app.py

import pickle  # Pour sauvegarder et charger le modèle
# Gradio est une bibliothèque pour créer des interfaces utilisateur interactives
import gradio as gr
from sklearn.feature_extraction.text import CountVectorizer  # Transformer le texte en nombres


# Charger le modèle sauvegardé
with open('sms_spam_detector_model.pkl','rb') as file: 
    model=pickle.load(file)
    
# Fonction pour prédire si un message est du spam ou non
def predict_spam(message):
    # Convertir les messages en nombres
    vectorizer = CountVectorizer()
    message_transformed = vectorizer.transform([message])
    prediction = model.predict(message_transformed)
    return "SPAM ❌" if prediction[0] == 1 else "HAM ✅"


interface_gradio = gr.Interface(fn=predict_spam, inputs="text", outputs="text",
                                title="Sms Spam Detector",
                                 description="print message to detect spam or ham."
                                 )
interface_gradio.launch()