Spaces:
Sleeping
Sleeping
Upload 4 files
Browse files- README.md +77 -20
- app.py +48 -0
- ion_switch_model.pkl +3 -0
- requirements.txt +5 -3
README.md
CHANGED
@@ -1,20 +1,77 @@
|
|
1 |
-
---
|
2 |
-
title: Ion Switching Predictor
|
3 |
-
emoji:
|
4 |
-
colorFrom:
|
5 |
-
colorTo:
|
6 |
-
sdk:
|
7 |
-
|
8 |
-
|
9 |
-
|
10 |
-
|
11 |
-
|
12 |
-
|
13 |
-
|
14 |
-
|
15 |
-
|
16 |
-
|
17 |
-
|
18 |
-
|
19 |
-
|
20 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
---
|
2 |
+
title: Ion Switching Predictor
|
3 |
+
emoji: ⚡
|
4 |
+
colorFrom: gray
|
5 |
+
colorTo: blue
|
6 |
+
sdk: streamlit
|
7 |
+
sdk_version: "1.32.2"
|
8 |
+
app_file: app.py
|
9 |
+
pinned: false
|
10 |
+
---
|
11 |
+
|
12 |
+
# ⚡ Ion Switching - Sinyal Tabanlı Kanal Tahmini
|
13 |
+
|
14 |
+
Bu proje, Liverpool Üniversitesi tarafından sunulan zaman serisi tabanlı Kaggle yarışmasına dayanmaktadır.
|
15 |
+
Amaç, sinyal verilerine dayanarak açık kanal sayısını (`open_channels`) tahmin etmektir.
|
16 |
+
|
17 |
+
## 📦 Kullanılan Veri Seti
|
18 |
+
|
19 |
+
- Yarışma: [University of Liverpool - Ion Switching](https://www.kaggle.com/competitions/liverpool-ion-switching)
|
20 |
+
- Girdi Özellikleri:
|
21 |
+
- `time`: Zaman damgası
|
22 |
+
- `signal`: Sinyal değeri
|
23 |
+
- Hedef:
|
24 |
+
- `open_channels`: 0–10 arasında değişen kanal sınıfları
|
25 |
+
|
26 |
+
## 🧠 Kullanılan Yöntemler
|
27 |
+
|
28 |
+
- Rolling window tabanlı özellik mühendisliği:
|
29 |
+
- Ortalama, standart sapma, min, max (pencere: 10, 50, 100)
|
30 |
+
- Makine öğrenmesi modeli:
|
31 |
+
- `LightGBMClassifier`
|
32 |
+
- Model değerlendirme:
|
33 |
+
- Accuracy: **%98**
|
34 |
+
- Macro F1-score: **0.94**
|
35 |
+
- Weighted F1-score: **0.99**
|
36 |
+
|
37 |
+
## 🚀 Streamlit Uygulaması
|
38 |
+
|
39 |
+
Kullanıcıdan yüklenen CSV dosyasındaki `signal` verilerine göre `open_channels` tahmini yapılır.
|
40 |
+
Model, `.pkl` formatında yüklenir. Sonuçlar indirilebilir.
|
41 |
+
|
42 |
+
## 🧪 Örnek Kullanım
|
43 |
+
|
44 |
+
1. `signal` sütunu içeren CSV dosyanızı yükleyin
|
45 |
+
2. Model, rolling özellikleri ekleyerek tahmin yapar
|
46 |
+
3. `predicted_open_channels` sütunu ile sonuçları görebilir, indirilebilir CSV alabilirsiniz
|
47 |
+
|
48 |
+
## 🧰 Gereksinimler
|
49 |
+
|
50 |
+
```bash
|
51 |
+
pip install -r requirements.txt
|
52 |
+
```
|
53 |
+
|
54 |
+
## 🧾 Dosya Yapısı
|
55 |
+
|
56 |
+
```
|
57 |
+
📁 ion-switching-app/
|
58 |
+
├── app.py
|
59 |
+
├── ion_switch_model.pkl
|
60 |
+
├── requirements.txt
|
61 |
+
└── README.md
|
62 |
+
```
|
63 |
+
|
64 |
+
## 🤗 Model Paylaşımı
|
65 |
+
|
66 |
+
> Hugging Face Spaces + GitHub üzerinden dağıtılmıştır.
|
67 |
+
> Model dosyası (`.pkl`) Hugging Face Model Hub'a yüklenebilir veya örnek JSON + açıklama ile paylaşılabilir.
|
68 |
+
|
69 |
+
## 📌 Geliştirilebilir Özellikler
|
70 |
+
|
71 |
+
- LSTM/CNN ile zaman serisi derin öğrenme modeli
|
72 |
+
- Kapsamlı rolling feature grid search
|
73 |
+
- Sinyal segmentasyonu ile daha hassas blok modelleri
|
74 |
+
|
75 |
+
## 📄 Lisans
|
76 |
+
|
77 |
+
MIT License
|
app.py
ADDED
@@ -0,0 +1,48 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
import streamlit as st
|
2 |
+
import pandas as pd
|
3 |
+
import numpy as np
|
4 |
+
import joblib
|
5 |
+
|
6 |
+
# Başlık
|
7 |
+
st.title("🔌 Ion Switching Tahmin Uygulaması")
|
8 |
+
|
9 |
+
# Modeli yükle
|
10 |
+
model = joblib.load("ion_switch_model.pkl")
|
11 |
+
|
12 |
+
# Rolling feature fonksiyonu
|
13 |
+
def add_rolling_features(df, window_sizes=[10, 50, 100]):
|
14 |
+
for window in window_sizes:
|
15 |
+
df[f'signal_mean_{window}'] = df['signal'].rolling(window=window, min_periods=1, center=True).mean()
|
16 |
+
df[f'signal_std_{window}'] = df['signal'].rolling(window=window, min_periods=1, center=True).std()
|
17 |
+
df[f'signal_min_{window}'] = df['signal'].rolling(window=window, min_periods=1, center=True).min()
|
18 |
+
df[f'signal_max_{window}'] = df['signal'].rolling(window=window, min_periods=1, center=True).max()
|
19 |
+
return df
|
20 |
+
|
21 |
+
# CSV yükleme
|
22 |
+
uploaded_file = st.file_uploader("📤 Lütfen sinyal içeren CSV dosyasını yükleyin (signal sütunu olmalı)", type=["csv"])
|
23 |
+
|
24 |
+
if uploaded_file is not None:
|
25 |
+
data = pd.read_csv(uploaded_file)
|
26 |
+
st.write("📄 İlk 5 satır:")
|
27 |
+
st.write(data.head())
|
28 |
+
|
29 |
+
if 'signal' in data.columns:
|
30 |
+
# Özellikleri ekle
|
31 |
+
data_feat = add_rolling_features(data.copy())
|
32 |
+
|
33 |
+
# Tahmin
|
34 |
+
feature_cols = [col for col in data_feat.columns if 'signal_' in col]
|
35 |
+
X_input = data_feat[feature_cols].fillna(0)
|
36 |
+
preds = model.predict(X_input)
|
37 |
+
|
38 |
+
# Sonuç göster
|
39 |
+
data['predicted_open_channels'] = preds
|
40 |
+
st.success("✅ Tahminler tamamlandı!")
|
41 |
+
st.write(data[['signal', 'predicted_open_channels']].head())
|
42 |
+
|
43 |
+
# İndirilebilir hale getir
|
44 |
+
csv = data.to_csv(index=False).encode('utf-8')
|
45 |
+
st.download_button("📥 Tahmin Sonuçlarını İndir", csv, "ion_switch_predictions.csv", "text/csv")
|
46 |
+
|
47 |
+
else:
|
48 |
+
st.warning("❗ 'signal' sütunu bulunamadı.")
|
ion_switch_model.pkl
ADDED
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
1 |
+
version https://git-lfs.github.com/spec/v1
|
2 |
+
oid sha256:9fa5a651d9fea77e5421d649ec217ea15f4e4397f2a4511ea0be37cafcf1ad20
|
3 |
+
size 347652
|
requirements.txt
CHANGED
@@ -1,3 +1,5 @@
|
|
1 |
-
|
2 |
-
pandas
|
3 |
-
|
|
|
|
|
|
1 |
+
streamlit
|
2 |
+
pandas
|
3 |
+
numpy
|
4 |
+
scikit-learn
|
5 |
+
joblib
|