Spaces:
Sleeping
Sleeping
Upload 2 files
Browse files- app.py +38 -0
- kia_apartments_keras_model.h5 +3 -0
app.py
ADDED
@@ -0,0 +1,38 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
import gradio as gr
|
2 |
+
import tensorflow as tf
|
3 |
+
import numpy as np
|
4 |
+
|
5 |
+
# Laden Sie Ihr trainiertes Modell
|
6 |
+
model_path = "kia_apartments_keras_model.h5"
|
7 |
+
model = tf.keras.models.load_model(model_path)
|
8 |
+
|
9 |
+
def predict_price(rooms, area, pop, pop_dens, frg_pct, emp, tax_income):
|
10 |
+
# Erstellen eines Arrays aus den Eingabewerten
|
11 |
+
input_array = np.array([[rooms, area, pop, pop_dens, frg_pct, emp, tax_income]], dtype=float)
|
12 |
+
|
13 |
+
# Modell zur Vorhersage verwenden
|
14 |
+
prediction = model.predict(input_array)
|
15 |
+
|
16 |
+
# Rückgabe der Vorhersage
|
17 |
+
return f"Vorhergesagter Preis: {prediction[0][0]:.2f}"
|
18 |
+
|
19 |
+
# Erstellen der Gradio-Oberfläche
|
20 |
+
iface = gr.Interface(
|
21 |
+
fn=predict_price,
|
22 |
+
inputs=[
|
23 |
+
gr.Number(label="Zimmer"),
|
24 |
+
gr.Number(label="Fläche"),
|
25 |
+
gr.Number(label="Bevölkerung"),
|
26 |
+
gr.Number(label="Bevölkerungsdichte"),
|
27 |
+
gr.Number(label="Fremdsprachenanteil (%)"),
|
28 |
+
gr.Number(label="Beschäftigte"),
|
29 |
+
gr.Number(label="Steuerbares Einkommen")
|
30 |
+
],
|
31 |
+
outputs="text",
|
32 |
+
title="Vorhersage des Wohnungpreises",
|
33 |
+
description="Geben Sie die Daten ein, um den Preis einer Wohnung zu schätzen."
|
34 |
+
)
|
35 |
+
|
36 |
+
# Start der App
|
37 |
+
if __name__ == "__main__":
|
38 |
+
iface.launch()
|
kia_apartments_keras_model.h5
ADDED
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
1 |
+
version https://git-lfs.github.com/spec/v1
|
2 |
+
oid sha256:fd46493deb54091feb6324075b3818447dae8211877c979fbb4ff148873be12c
|
3 |
+
size 37320
|