Upload 2 files

app.py

@@ -0,0 +1,38 @@
+import gradio as gr
+import tensorflow as tf
+import numpy as np
+
+# Laden Sie Ihr trainiertes Modell
+model_path = "kia_apartments_keras_model.h5"
+model = tf.keras.models.load_model(model_path)
+
+def predict_price(rooms, area, pop, pop_dens, frg_pct, emp, tax_income):
+    # Erstellen eines Arrays aus den Eingabewerten
+    input_array = np.array([[rooms, area, pop, pop_dens, frg_pct, emp, tax_income]], dtype=float)
+    
+    # Modell zur Vorhersage verwenden
+    prediction = model.predict(input_array)
+    
+    # Rückgabe der Vorhersage
+    return f"Vorhergesagter Preis: {prediction[0][0]:.2f}"
+
+# Erstellen der Gradio-Oberfläche
+iface = gr.Interface(
+    fn=predict_price, 
+    inputs=[
+        gr.Number(label="Zimmer"),
+        gr.Number(label="Fläche"),
+        gr.Number(label="Bevölkerung"),
+        gr.Number(label="Bevölkerungsdichte"),
+        gr.Number(label="Fremdsprachenanteil (%)"),
+        gr.Number(label="Beschäftigte"),
+        gr.Number(label="Steuerbares Einkommen")
+    ], 
+    outputs="text",
+    title="Vorhersage des Wohnungpreises",
+    description="Geben Sie die Daten ein, um den Preis einer Wohnung zu schätzen."
+)
+
+# Start der App
+if __name__ == "__main__":
+    iface.launch()

kia_apartments_keras_model.h5

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:fd46493deb54091feb6324075b3818447dae8211877c979fbb4ff148873be12c
+size 37320