Spaces:

GoshawkVortexAI
/

Goshawk_GeminiPro

Paused

App Files Files Community

Goshawk_GeminiPro / app.py

GoshawkVortexAI

Create app.py

c90b9af verified 4 days ago

Raw History Blame Contribute Delete

6.92 kB

import os
import numpy as np
import xgboost as xgb
import gradio as gr
from google import genai
from google.genai import types

# ==========================================
# 🔌 1. GEMINI CLIENT BAŞLATMA
# ==========================================
api_key = os.environ.get("GEMINI_API_KEY")
client = None
if api_key:
    client = genai.Client(api_key=api_key)

# ==========================================
# 📊 2. SENTETİK XGBOOST MODELİ (MOCK TRAIN)
# ==========================================
# Arayüz açıldığında hızlıca kalibre edilen örnek XGBoost sınıflandırıcısı.
# Özellikler: [Ev_Sırası, Dep_Sırası, Ev_Form_Puanı, Dep_Form_Puanı, Ev_Sakat_Sayısı, Dep_Sakat_Sayısı]
def train_baseline_xgboost():
    X_synthetic = np.array([
        [1, 18, 13, 3, 0, 3],  # Güçlü ev sahibi favori
        [15, 2, 4, 12, 2, 0],  # Güçlü deplasman favori
        [8, 9, 7, 8, 1, 1],    # Denk takımlar
        [4, 5, 10, 9, 0, 1],   # Kafa kafaya zirve mücadelesi
        [20, 19, 2, 1, 3, 2],  # Alt sıraların mücadelesi
        [3, 16, 11, 4, 1, 2],  # Ev favori
        [17, 4, 3, 11, 2, 0]   # Deplasman favori
    ])
    # Hedef Değişkenler: 0 -> Ev Sahibi Kazanır, 1 -> Beraberlik, 2 -> Deplasman Kazanır
    y_synthetic = np.array([0, 2, 1, 0, 1, 0, 2])

    model = xgb.XGBClassifier(
        n_estimators=30,
        max_depth=3,
        learning_rate=0.1,
        objective='multi:softprob',
        num_class=3,
        eval_metric='mlogloss',
        random_state=42
    )
    model.fit(X_synthetic, y_synthetic)
    return model

# Uygulama başlarken modeli hafızaya yükle
xgb_model = train_baseline_xgboost()

# ==========================================
# 🧠 3. TAHMİN VE ANALİZ MOTORU
# ==========================================
def predict_and_analyze(home_team, away_team, home_rank, away_rank, home_form, away_form, home_injuries, away_injuries):
    if not home_team or not away_team:
        return "Lütfen ev sahibi ve deplasman takımlarının isimlerini giriniz.", {}

    # XGBoost Tahmin Girdisini Hazırlama
    features = np.array([[home_rank, away_rank, home_form, away_form, home_injuries, away_injuries]])
    probabilities = xgb_model.predict_proba(features)[0]
    
    p_home = float(probabilities[0])
    p_draw = float(probabilities[1])
    p_away = float(probabilities[2])

    # Gradio grafiği için dictionary formatı
    prob_dict = {
        f"{home_team} Galibiyeti (1)": p_home,
        "Beraberlik (X)": p_draw,
        f"{away_team} Galibiyeti (2)": p_away
    }

    # Gemini Analiz Promptu
    prompt = f"""
    Sen uzman bir spor analisti ve profesyonel bir veri modelleyicisisin.
    
    Karşılaşma: {home_team} (Ev) vs {away_team} (Deplasman)
    
    İstastistiksel Göstergeler:
    - {home_team}: Lig Sıralaması: {home_rank}, Son 5 Maç Form Puanı (Max 15): {home_form}, Eksik/Sakat Oyuncu: {home_injuries}
    - {away_team}: Lig Sıralaması: {away_rank}, Son 5 Maç Form Puanı (Max 15): {away_form}, Eksik/Sakat Oyuncu: {away_injuries}
    
    XGBoost Makine Öğrenmesi Modeli Sonuçları:
    - {home_team} Kazanma Olasılığı: %{p_home*100:.1f}
    - Beraberlik Olasılığı: %{p_draw*100:.1f}
    - {away_team} Kazanma Olasılığı: %{p_away*100:.1f}
    
    Yukarıdaki matematiksel olasılıkları ve takım durumlarını analiz ederek Türkçe bir rapor hazırla. Raporda şu başlıklar mutlaka bulunsun:
    1. 🎯 Model Yorumu (XGBoost olasılıklarının mantığı)
    2. ⚽ Olası Skor ve Gol Tahmini (Alt/Üst değerlendirmesi)
    3. 💡 Değerli Bahis Önerisi (+EV Değerlendirmesi)
    
    Yorumların rasyonel, nesnel ve profesyonel olsun.
    """

    # Gemini API Çağrısı
    if client:
        try:
            response = client.models.generate_content(
                model='gemini-2.5-flash',
                contents=prompt,
                config=types.GenerateContentConfig(
                    temperature=0.3
                )
            )
            analysis_result = response.text
        except Exception as e:
            analysis_result = f"Gemini API Analiz Hatası: {str(e)}\n\n(Lütfen GEMINI_API_KEY değişkeninizi Hugging Face Secrets alanına doğru eklediğinizden emin olun.)"
    else:
        analysis_result = "Gemini API Anahtarı bulunamadı! Lütfen Hugging Face Space alanına 'GEMINI_API_KEY' adıyla bir Secret ekleyin. (Yine de yukarıdaki XGBoost grafik tahminini görebilirsiniz.)"

    return analysis_result, prob_dict

# ==========================================
# 🎨 4. GRADIO ARAYÜZÜ (DARK THEME)
# ==========================================
with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue", secondary_hue="slate")) as demo:
    gr.Markdown(
        """
        # ⚽ XGBoost & Gemini Hibrit Maç Tahmin Radarı
        Bu uygulama, girdiğiniz takım verilerini **XGBoost** sınıflandırıcısı ile tarayıp olasılıkları hesaplar ve **Gemini** yapay zekası ile matematiksel olarak yorumlar.
        """
    )
    
    with gr.Row():
        with gr.Column():
            gr.Markdown("### 🏟️ Takım İsimleri")
            home_input = gr.Textbox(label="Ev Sahibi Takım", value="Arsenal")
            away_input = gr.Textbox(label="Deplasman Takım", value="Chelsea")
            
            gr.Markdown("### 📊 Lig ve Form Durumu")
            with gr.Row():
                home_rank_input = gr.Number(label="Ev Sahibi Lig Sırası", value=3, precision=0)
                away_rank_input = gr.Number(label="Deplasman Lig Sırası", value=12, precision=0)
            with gr.Row():
                home_form_input = gr.Slider(label="Ev Form Puanı (Son 5 Maç)", minimum=0, maximum=15, value=11, step=1)
                away_form_input = gr.Slider(label="Deplasman Form Puanı (Son 5 Maç)", minimum=0, maximum=15, value=4, step=1)
            with gr.Row():
                home_inj_input = gr.Number(label="Ev Sakat/Cezalı Sayısı", value=1, precision=0)
                away_inj_input = gr.Number(label="Deplasman Sakat/Cezalı Sayısı", value=3, precision=0)
                
            submit_btn = gr.Button("Analiz Et ve Tahmin Üret", variant="primary")

        with gr.Column():
            gr.Markdown("### 📈 Matematiksel Kazanma Olasılıkları (XGBoost)")
            prob_output = gr.Label(label="Olasılık Dağılımı")
            
            gr.Markdown("### 🧠 Gemini Yapay Zeka Analiz Raporu")
            analysis_output = gr.Markdown(value="Verileri girdikten sonra butona basarak analizi başlatabilirsiniz.")

    submit_btn.click(
        fn=predict_and_analyze,
        inputs=[
            home_input, away_input,
            home_rank_input, away_rank_input,
            home_form_input, away_form_input,
            home_inj_input, away_inj_input
        ],
        outputs=[analysis_output, prob_output]
    )

if __name__ == "__main__":
    demo.launch()

	import os
	import numpy as np
	import xgboost as xgb
	import gradio as gr
	from google import genai
	from google.genai import types

	# ==========================================
	# 🔌 1. GEMINI CLIENT BAŞLATMA
	# ==========================================
	api_key = os.environ.get("GEMINI_API_KEY")
	client = None
	if api_key:
	client = genai.Client(api_key=api_key)

	# ==========================================
	# 📊 2. SENTETİK XGBOOST MODELİ (MOCK TRAIN)
	# ==========================================
	# Arayüz açıldığında hızlıca kalibre edilen örnek XGBoost sınıflandırıcısı.
	# Özellikler: [Ev_Sırası, Dep_Sırası, Ev_Form_Puanı, Dep_Form_Puanı, Ev_Sakat_Sayısı, Dep_Sakat_Sayısı]
	def train_baseline_xgboost():
	X_synthetic = np.array([
	[1, 18, 13, 3, 0, 3], # Güçlü ev sahibi favori
	[15, 2, 4, 12, 2, 0], # Güçlü deplasman favori
	[8, 9, 7, 8, 1, 1], # Denk takımlar
	[4, 5, 10, 9, 0, 1], # Kafa kafaya zirve mücadelesi
	[20, 19, 2, 1, 3, 2], # Alt sıraların mücadelesi
	[3, 16, 11, 4, 1, 2], # Ev favori
	[17, 4, 3, 11, 2, 0] # Deplasman favori
	])
	# Hedef Değişkenler: 0 -> Ev Sahibi Kazanır, 1 -> Beraberlik, 2 -> Deplasman Kazanır
	y_synthetic = np.array([0, 2, 1, 0, 1, 0, 2])

	model = xgb.XGBClassifier(
	n_estimators=30,
	max_depth=3,
	learning_rate=0.1,
	objective='multi:softprob',
	num_class=3,
	eval_metric='mlogloss',
	random_state=42
	)
	model.fit(X_synthetic, y_synthetic)
	return model

	# Uygulama başlarken modeli hafızaya yükle
	xgb_model = train_baseline_xgboost()

	# ==========================================
	# 🧠 3. TAHMİN VE ANALİZ MOTORU
	# ==========================================
	def predict_and_analyze(home_team, away_team, home_rank, away_rank, home_form, away_form, home_injuries, away_injuries):
	if not home_team or not away_team:
	return "Lütfen ev sahibi ve deplasman takımlarının isimlerini giriniz.", {}

	# XGBoost Tahmin Girdisini Hazırlama
	features = np.array([[home_rank, away_rank, home_form, away_form, home_injuries, away_injuries]])
	probabilities = xgb_model.predict_proba(features)[0]

	p_home = float(probabilities[0])
	p_draw = float(probabilities[1])
	p_away = float(probabilities[2])

	# Gradio grafiği için dictionary formatı
	prob_dict = {
	f"{home_team} Galibiyeti (1)": p_home,
	"Beraberlik (X)": p_draw,
	f"{away_team} Galibiyeti (2)": p_away
	}

	# Gemini Analiz Promptu
	prompt = f"""
	Sen uzman bir spor analisti ve profesyonel bir veri modelleyicisisin.

	Karşılaşma: {home_team} (Ev) vs {away_team} (Deplasman)

	İstastistiksel Göstergeler:
	- {home_team}: Lig Sıralaması: {home_rank}, Son 5 Maç Form Puanı (Max 15): {home_form}, Eksik/Sakat Oyuncu: {home_injuries}
	- {away_team}: Lig Sıralaması: {away_rank}, Son 5 Maç Form Puanı (Max 15): {away_form}, Eksik/Sakat Oyuncu: {away_injuries}

	XGBoost Makine Öğrenmesi Modeli Sonuçları:
	- {home_team} Kazanma Olasılığı: %{p_home*100:.1f}
	- Beraberlik Olasılığı: %{p_draw*100:.1f}
	- {away_team} Kazanma Olasılığı: %{p_away*100:.1f}

	Yukarıdaki matematiksel olasılıkları ve takım durumlarını analiz ederek Türkçe bir rapor hazırla. Raporda şu başlıklar mutlaka bulunsun:
	1. 🎯 Model Yorumu (XGBoost olasılıklarının mantığı)
	2. ⚽ Olası Skor ve Gol Tahmini (Alt/Üst değerlendirmesi)
	3. 💡 Değerli Bahis Önerisi (+EV Değerlendirmesi)

	Yorumların rasyonel, nesnel ve profesyonel olsun.
	"""

	# Gemini API Çağrısı
	if client:
	try:
	response = client.models.generate_content(
	model='gemini-2.5-flash',
	contents=prompt,
	config=types.GenerateContentConfig(
	temperature=0.3
	)
	)
	analysis_result = response.text
	except Exception as e:
	analysis_result = f"Gemini API Analiz Hatası: {str(e)}\n\n(Lütfen GEMINI_API_KEY değişkeninizi Hugging Face Secrets alanına doğru eklediğinizden emin olun.)"
	else:
	analysis_result = "Gemini API Anahtarı bulunamadı! Lütfen Hugging Face Space alanına 'GEMINI_API_KEY' adıyla bir Secret ekleyin. (Yine de yukarıdaki XGBoost grafik tahminini görebilirsiniz.)"

	return analysis_result, prob_dict

	# ==========================================
	# 🎨 4. GRADIO ARAYÜZÜ (DARK THEME)
	# ==========================================
	with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue", secondary_hue="slate")) as demo:
	gr.Markdown(
	"""
	# ⚽ XGBoost & Gemini Hibrit Maç Tahmin Radarı
	Bu uygulama, girdiğiniz takım verilerini XGBoost sınıflandırıcısı ile tarayıp olasılıkları hesaplar ve Gemini yapay zekası ile matematiksel olarak yorumlar.
	"""
	)

	with gr.Row():
	with gr.Column():
	gr.Markdown("### 🏟️ Takım İsimleri")
	home_input = gr.Textbox(label="Ev Sahibi Takım", value="Arsenal")
	away_input = gr.Textbox(label="Deplasman Takım", value="Chelsea")

	gr.Markdown("### 📊 Lig ve Form Durumu")
	with gr.Row():
	home_rank_input = gr.Number(label="Ev Sahibi Lig Sırası", value=3, precision=0)
	away_rank_input = gr.Number(label="Deplasman Lig Sırası", value=12, precision=0)
	with gr.Row():
	home_form_input = gr.Slider(label="Ev Form Puanı (Son 5 Maç)", minimum=0, maximum=15, value=11, step=1)
	away_form_input = gr.Slider(label="Deplasman Form Puanı (Son 5 Maç)", minimum=0, maximum=15, value=4, step=1)
	with gr.Row():
	home_inj_input = gr.Number(label="Ev Sakat/Cezalı Sayısı", value=1, precision=0)
	away_inj_input = gr.Number(label="Deplasman Sakat/Cezalı Sayısı", value=3, precision=0)

	submit_btn = gr.Button("Analiz Et ve Tahmin Üret", variant="primary")

	with gr.Column():
	gr.Markdown("### 📈 Matematiksel Kazanma Olasılıkları (XGBoost)")
	prob_output = gr.Label(label="Olasılık Dağılımı")

	gr.Markdown("### 🧠 Gemini Yapay Zeka Analiz Raporu")
	analysis_output = gr.Markdown(value="Verileri girdikten sonra butona basarak analizi başlatabilirsiniz.")

	submit_btn.click(
	fn=predict_and_analyze,
	inputs=[
	home_input, away_input,
	home_rank_input, away_rank_input,
	home_form_input, away_form_input,
	home_inj_input, away_inj_input
	],
	outputs=[analysis_output, prob_output]
	)

	if __name__ == "__main__":
	demo.launch()