Update app.py

app.py

@@ -2,27 +2,37 @@ import numpy as np
 import pandas as pd
 import matplotlib.pyplot as plt
 import warnings
-import streamlit as st
+warnings.filterwarnings('ignore')
 from sklearn.model_selection import train_test_split
-from sklearn.linear_model import LinearRegression
+from sklearn.linearRegression import LinearRegression
 from sklearn.metrics import mean_squared_error, r2_score
 from sklearn.compose import ColumnTransformer
-from sklearn.preprocessing import StandardScaler
+from sklearn.preprocessing import OneHotEncoder, StandardScaler
 from sklearn.pipeline import Pipeline
-
-warnings.filterwarnings('ignore')
+import streamlit as st
 
 # Veri okuma
-@st.cache_data
-def load_data(file_path):
-    df = pd.read_excel(file_path)
-    df.columns = df.columns.str.strip()  # Sütun isimlerindeki boşlukları temizleme
-    return df
+df = pd.read_excel('iot predictive analysis.xlsx')
+
+# Sütun isimlerindeki boşlukları temizleme
+df.columns = df.columns.str.strip()
 
-df = load_data('iot predictive analysis.xlsx')
+# Değişkenlerin açıklaması
+columns_dict = {
+    'footfall': 'Belirli bir süre boyunca bir alandan geçen kişi sayısı.',
+    'atemp': 'Sensörün bulunduğu alanın dış ortam sıcaklığı.',
+    'selfLR': 'Bir cihazın kendi içindeki yük direnci.',
+    'ClinLR': 'Belirli bir klinik ortamda kullanılan yük direnci.',
+    'DoleLR': 'Belirli bir alandaki yük direnci.',
+    'PID': 'Orantısal, integral ve türev kontrol sistemi değeri.',
+    'outpressure': 'Cihazın dış ortam basıncı.',
+    'inpressure': 'Cihazın iç ortam basıncı.',
+    'temp': 'Genel ortam sıcaklığı.',
+    'fail': 'Cihazın arıza durumu.'
+}
 
 # Veri setini özellikler ve hedef olarak ayırma
-y = df['fail']
+y = df.fail
 X = df.drop(['fail'], axis=1)
 
 # Eğitim ve test kümelerine ayırma
@@ -61,7 +71,7 @@ def fail(footfall, atemp, selfLR, ClinLR, DoleLR, PID, outpressure, inpressure,
     prediction = pipe.predict(input_data)[0]
     return prediction
 
-st.title("İot Analizi :information: @YED")
+st.title("İot Analizi :information: @dryed")
 st.write("Lütfen Sensör Verilerini Giriniz.")
 footfall = st.number_input("Footfall", 0, 10000)
 atemp = st.number_input("Atemp", 0, 100)
@@ -75,5 +85,4 @@ temp = st.number_input("Temp", 0, 100)
 
 if st.button("Predict"):
     pred = fail(footfall, atemp, selfLR, ClinLR, DoleLR, PID, outpressure, inpressure, temp)
-    
-    st.write("Sensör Durumu", abs(int(pred)))
+    st.write("Sensör durumu:  ", pred)