Create app.py

app.py

@@ -0,0 +1,34 @@
+import gradio as gr
+from joblib import load
+import pandas as pd
+
+y_values = ['L', 'W']
+y=pd.Series(y_values)
+y=y.astype('category')
+
+model=load('./model_SVM.joblib')
+#aquí indicamos cuál es el valor de las clases
+label_encoding=load('./label_classes.joblib') # aquí traemos el orden de clasificación de las categoría
+idx_labels=label_encoding.transform(y.cat.categories) # reordeno mis categorías con esos índices
+class_names=y.cat.categories[idx_labels] # aquí damos los valores de las categorías en el orden que teníamos guardados
+def run_my_model(tabla): #aquí ponemos que es solo una entrada pero es UNA TABLA la entrada
+    # Proceso a realizar (modelo ML)
+    X_new=tabla
+    y_predict=model.predict(X_new)[0] # para que me quiten los corchetes del resultado debemos agregar el elemento 0
+    return "El resultado es: " + class_names[y_predict] # aquí indexamos el resultado del número de clase para que me arroje cuál es la categoría
+
+gui= gr.Interface(
+    fn=run_my_model,
+    inputs=gr.Dataframe(
+        headers=['HOME/AWAY','WINS_DIFFERENTIAL','WINNING PERCENTAGE DIFFERENTIAL','AWAY WINS DIFFERENTIAL','WINS IN LAST 10 GAMES','WINS IN LAST 5 GAMES','BACK-TO-BACK'], # que me de todas excepto la última
+        datatype=['str','number','number','number','number','number','str'], #lo tengo que poner tal cual lo quiero poner, la última que se llama obesidad no cuenta para nosotros
+        #default=[X.iloc[0,:].tolist()],# esto es para que aparezca prerellenados los campos de entrada
+        row_count=1, # aquí asignamos el # de renglones que pondremos en la tabla
+        col_count=7),  # aquí asignamos el # de columnas que pondremos en la tabla
+     #aquí le hago para meter como inputs una tabla
+    outputs="text",
+    live=True, #significa que podemos producir el resultado de salida al tiempo que doy una entrada
+    title='Nombre de servicio web'
+)
+
+gui.launch()