Update app.py

app.py

@@ -1,5 +1,7 @@
 import os
+import io
 import numpy as np
+import pandas as pd
 import gradio as gr
 import xgboost as xgb
 from groq import Groq
@@ -13,42 +15,107 @@ if api_key:
     client = Groq(api_key=api_key)
 
 # ==========================================
-# 🤖 2. XGBOOST MODEL EĞİTİMİ (Sanal Veri)
+# 📊 2. CSV'DEN VERİ OKUMA VE MODEL EĞİTİMİ
 # ==========================================
-def train_dummy_model():
-    """API olmadan çalışabilmesi için sanal veriyle hızlı eğitim."""
-    np.random.seed(42)
-    n = 300
-    # Sanal BTC verisi (gerçekçi aralıkta)
-    ma5 = np.random.uniform(55000, 75000, n)
-    ma20 = ma5 + np.random.normal(0, 500, n)
-    rsi = np.random.uniform(20, 80, n)
-    macd = np.random.normal(0, 200, n)
-    vol = np.random.uniform(100, 1000, n)
-
-    X = np.column_stack([ma5, ma20, rsi, macd, vol])
-    # Hedef: MA5 > MA20 ve RSI < 70 ise yukarı eğilim (sanal mantık)
-    y = ((ma5 > ma20) & (rsi < 70)).astype(int)
+def compute_rsi(series, period=14):
+    delta = series.diff()
+    gain = delta.clip(lower=0).rolling(period).mean()
+    loss = -delta.clip(upper=0).rolling(period).mean()
+    rs = gain / loss
+    return 100 - (100 / (1 + rs))
+
+def process_csv_and_train(file):
+    """Yüklenen CSV'yi işler, göstergeleri hesaplar ve XGBoost modelini eğitir."""
+    if file is None:
+        return None, None, None
+
+    try:
+        df = pd.read_csv(file.name)
+    except Exception as e:
+        return None, None, f"CSV okunamadı: {e}"
+
+    # Sütun isimlerini normalize et (küçük harf)
+    df.columns = [c.strip().lower() for c in df.columns]
+
+    # Gerekli sütun kontrolü
+    required = ["close"]
+    if not all(col in df.columns for col in required):
+        return None, None, f"CSV'de 'close' sütunu bulunamadı. Mevcut sütunlar: {list(df.columns)}"
+
+    # Sayısal dönüşüm
+    for col in ["open", "high", "low", "close", "volume"]:
+        if col in df.columns:
+            df[col] = pd.to_numeric(df[col], errors="coerce")
+
+    df = df.dropna(subset=["close"]).reset_index(drop=True)
+
+    if len(df) < 50:
+        return None, None, "CSV'de en az 50 satır veri olmalı."
+
+    # Teknik göstergeler
+    df["ma_5"] = df["close"].rolling(5).mean()
+    df["ma_20"] = df["close"].rolling(20).mean()
+    df["rsi"] = compute_rsi(df["close"], 14)
+    df["macd"] = df["close"].ewm(span=12).mean() - df["close"].ewm(span=26).mean()
+    df["target"] = (df["close"].shift(-1) > df["close"]).astype(int)
+
+    df_model = df.dropna().reset_index(drop=True)
+
+    if len(df_model) < 20:
+        return None, None, "Göstergeler hesaplandıktan sonra yeterli veri kalmadı."
+
+    features = ["ma_5", "ma_20", "rsi", "macd"]
+    if "volume" in df_model.columns:
+        features.append("volume")
+
+    X = df_model[features]
+    y = df_model["target"]
 
     model = xgb.XGBClassifier(
         n_estimators=50, max_depth=3, learning_rate=0.1,
         objective="binary:logistic", eval_metric="logloss", random_state=42
     )
     model.fit(X, y)
-    return model
 
-xgb_model = train_dummy_model()
+    # En güncel satırın göstergeleri (tahmin için)
+    latest = df_model.iloc[-1]
+    latest_features = {
+        "ma5": float(latest["ma_5"]),
+        "ma20": float(latest["ma_20"]),
+        "rsi": float(latest["rsi"]),
+        "macd": float(latest["macd"]),
+        "last_close": float(latest["close"]),
+        "features": features,
+    }
+    if "volume" in df_model.columns:
+        latest_features["volume"] = float(latest["volume"])
+
+    return model, latest_features, None
+
+# Global model değişkenleri
+xgb_model = None
+latest_metrics = None
 
 # ==========================================
-# 🧠 3. ANALİZ MOTORU (Manuel Giriş)
+# 🧠 3. ANALİZ MOTORU
 # ==========================================
-def predict_and_analyze(last_price, rsi, ma5, ma20, macd, vol):
-    if not last_price or last_price <= 0:
-        return "Lütfen geçerli bir BTC/USD fiyatı giriniz.", {}
-
-    # XGBoost tahmini
-    features = np.array([[ma5, ma20, rsi, macd, vol]])
-    prob_up = float(xgb_model.predict_proba(features)[0][1])
+def predict_and_analyze(file):
+    global xgb_model, latest_metrics
+
+    model, metrics, err = process_csv_and_train(file)
+    if err:
+        return err, {}
+
+    xgb_model = model
+    latest_metrics = metrics
+
+    # Tahmin
+    feat_order = metrics["features"]
+    feat_values = [metrics[k] for k in ["ma5", "ma20", "rsi", "macd"]]
+    if "volume" in feat_order:
+        feat_values.append(metrics["volume"])
+    features_arr = np.array([feat_values])
+    prob_up = float(xgb_model.predict_proba(features_arr)[0][1])
     prob_down = 1 - prob_up
 
     direction = "YUKARI 📈" if prob_up > 0.5 else "AŞAĞI 📉"
@@ -62,12 +129,11 @@ def predict_and_analyze(last_price, rsi, ma5, ma20, macd, vol):
     prompt = f"""
     Sen uzman bir kripto para analisti ve teknik analiz uzmanısın.
 
-    📊 BTC/USD Piyasa Verileri (Manuel Giriş):
-    - Son Fiyat: ${last_price:,.2f}
-    - RSI (14): {rsi:.2f}
-    - MA5: ${ma5:,.2f} | MA20: ${ma20:,.2f}
-    - MACD: {macd:.4f}
-    - Hacim: {vol:,.2f}
+    📊 BTC/USD Son Kapanış (CSV'den): ${metrics['last_close']:,.2f}
+    - RSI (14): {metrics['rsi']:.2f}
+    - MA5: ${metrics['ma5']:,.2f} | MA20: ${metrics['ma20']:,.2f}
+    - MACD: {metrics['macd']:.4f}
+    {f"- Hacim: {metrics['volume']:,.2f}" if 'volume' in metrics else ""}
 
     🤖 XGBoost Model Sonucu:
     - Yükseliş Olasılığı: %{prob_up*100:.1f}
@@ -76,7 +142,7 @@ def predict_and_analyze(last_price, rsi, ma5, ma20, macd, vol):
 
     Türkçe bir teknik analiz raporu hazırla. Şu başlıklar bulunsun:
     1. 🎯 Model Yorumu (XGBoost + teknik göstergelerin mantığı)
-    2. 📈 Teknik Analiz (RSI, MA, MACD; destek/direnç seviyeleri)
+    2. 📈 Teknik Analiz (RSI, MA, MACD; destek/direnç)
     3. 💡 İşlem Stratejisi (Long/Short, stop-loss, take-profit, risk yönetimi)
 
     Yatırım tavsiyesi olmadığını vurgula. Rasyonel ve profesyonel ol.
@@ -97,8 +163,8 @@ def predict_and_analyze(last_price, rsi, ma5, ma20, macd, vol):
         analysis_result = "GROQ_API_KEY bulunamadı! Hugging Face Secrets'a ekleyin."
 
     header = (
-        f"**Manuel Veri** | **Fiyat: ${last_price:,.2f}** | "
-        f"RSI: {rsi:.1f} | MA5: ${ma5:,.0f} | MA20: ${ma20:,.0f}\n\n---\n\n"
+        f"**Son Kapanış: ${metrics['last_close']:,.2f}** | RSI: {metrics['rsi']:.1f} | "
+        f"MA5: ${metrics['ma5']:,.0f} | MA20: ${metrics['ma20']:,.0f}\n\n---\n\n"
     )
     return header + analysis_result, prob_dict
 
@@ -108,36 +174,36 @@ def predict_and_analyze(last_price, rsi, ma5, ma20, macd, vol):
 with gr.Blocks(theme=gr.themes.Soft(primary_hue="orange", secondary_hue="slate")) as demo:
     gr.Markdown(
         """
-        # ₿ BTC/USD XGBoost & Groq AI Tahmin Radarı (Manuel Giriş)
-        API erişim sorunları nedeniyle verileri **manuel** giriyorsunuz. **XGBoost** yön tahmini yapar, **Groq** analiz raporu üretir.
+        # ₿ BTC/USD XGBoost & Groq AI Tahmin Radarı (CSV Yükleme)
+        **Yahoo Finance (yfinance)** ile indirdiğiniz BTC-USD CSV dosyasını yükleyin. Model CSV üzerinden eğitilir, XGBoost yön tahmini yapar, Groq analiz raporu üretir. **Hiçbir dış API çağrısı yapılmaz.**
         """
     )
 
     with gr.Row():
         with gr.Column():
-            gr.Markdown("### 📊 Piyasa Verileri")
-            price_input = gr.Number(label="Güncel BTC/USD Fiyatı ($)", value=65000.0)
-            vol_input = gr.Number(label="24s Hacim (BTC)", value=500.0)
-
-            gr.Markdown("### 📈 Teknik Göstergeler")
-            rsi_input = gr.Slider(label="RSI (14)", minimum=0, maximum=100, value=55.0, step=0.1)
-            with gr.Row():
-                ma5_input = gr.Number(label="MA5 ($)", value=64800.0)
-                ma20_input = gr.Number(label="MA20 ($)", value=64000.0)
-            macd_input = gr.Number(label="MACD Değeri", value=150.0)
-
-            submit_btn = gr.Button("Analiz Et ve Tahmin Üret", variant="primary")
+            gr.Markdown("### 📂 CSV Dosyası Yükle")
+            file_input = gr.File(label="BTC-USD CSV (Date, Open, High, Low, Close, Volume)", file_types=[".csv"])
+            gr.Markdown(
+                """
+                **İpucu**: `pip install yfinance` ile şu şekilde indirebilirsiniz:
+                ```python
+                import yfinance as yf
+                yf.download("BTC-USD", period="2y", interval="1d").to_csv("btc.csv")
+                ```
+                """
+            )
+            submit_btn = gr.Button("CSV'yi Yükle ve Analiz Et", variant="primary")
 
         with gr.Column():
             gr.Markdown("### 📈 XGBoost Yön Tahmini")
             prob_output = gr.Label(label="Olasılık Dağılımı")
 
             gr.Markdown("### 🧠 Groq Yapay Zeka Analiz Raporu")
-            analysis_output = gr.Markdown(value="Verileri girdikten sonra butona basarak analizi başlatabilirsiniz.")
+            analysis_output = gr.Markdown(value="CSV dosyasını yükleyip butona basın.")
 
     submit_btn.click(
         fn=predict_and_analyze,
-        inputs=[price_input, rsi_input, ma5_input, ma20_input, macd_input, vol_input],
+        inputs=[file_input],
         outputs=[analysis_output, prob_output]
     )