app.py

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import gradio as gr
from huggingface_hub import hf_hub_download


# Импорт датасета
column_names = [
        'Продольное положение центра плавучести',
        'Призматический коэффициент', 
        'Отношение длины к водоизмещению', 
        'Отношение осадки к балке',
        'Отношение длины к балке',
        'Число Фруда',
        'Остаточное сопротивление на единицу водоизмещения'
        ]

dataset = pd.read_csv(r'yacht_hydrodynamics.csv', encoding='utf8', sep = ' ', names = column_names)


X = dataset.iloc[:, :-1].values
y = dataset.iloc[:, 6].values
from sklearn.impute import SimpleImputer
imputer = SimpleImputer(missing_values = np.nan, strategy = 'mean')
X[:, [1]] = imputer.fit_transform(X[:, [1]])


# Разделение данных на обучающий и тестовый наборы
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.25,
                                                    random_state = 0)


# Подгонка обучающего набора к регрессору
from sklearn.ensemble import RandomForestRegressor
rfr_model = RandomForestRegressor()
rfr_model.fit(X_train, y_train)


num_features = X_train.shape[1]


model = RandomForestRegressor()
model.fit(X_train, y_train)


# Объявление глобальных переменных
продольное_положение_центра_плавучести = None
призматический_коэффициент = None
отношение_длины_к_водоизмещению= None
отношение_осадки_к_балке = None
отношение_длины_к_балке = None
число_Фруда = None


# Функция предсказания
def predict(Продольное_положение_центра_плавучести,
        Призматический_коэффициент, 
        Отношение_длины_к_водоизмещению, 
        Отношение_осадки_к_балке,
        Отношение_длины_к_балке,
        Число_Фруда):

    global продольное_положение_центра_плавучести
    global призматический_коэффициент
    global отношение_длины_к_водоизмещению
    global отношение_осадки_к_балке
    global отношение_длины_к_балке
    global число_Фруда


    продольное_положение_центра_плавучести = Продольное_положение_центра_плавучести
    призматический_коэффициент = Призматический_коэффициент
    отношение_длины_к_водоизмещению = Отношение_длины_к_водоизмещению
    отношение_осадки_к_балке = Отношение_осадки_к_балке
    отношение_длины_к_балке = Отношение_длины_к_балке
    число_Фруда = Число_Фруда
    

    user_features = []
    user_features.append(продольное_положение_центра_плавучести)
    user_features.append(призматический_коэффициент)
    user_features.append(отношение_длины_к_водоизмещению)
    user_features.append(отношение_осадки_к_балке)
    user_features.append(отношение_длины_к_балке)
    user_features.append(число_Фруда)
    input_data = np.array([user_features])
    return f"Остаточное сопротивление: {model.predict(input_data)[0]}"


#Создание интерфейса Gradio
interface = gr.Interface(
    fn= predict,
    inputs=[gr.Textbox(label="Продольное положение центра плавучести"), 
            gr.Textbox(label="Призматический коэффициент"),
            gr.Textbox(label="Отношение длины к водоизмещению"), 
            gr.Textbox(label="Отношение осадки к балке"),
            gr.Textbox(label="Отношение длины к балке"),
            gr.Textbox(label="Число Фруда"),
           ],
    outputs=["text"],
)

interface.launch()