import gradio as gr
import pandas as pd
from pycaret.classification import setup, compare_models, pull

def otoml_islemi(dosya, hedef_sutun, sayisal_sutunlar, kategorik_sutunlar,
                 sayisal_imputasyon, kategorik_imputasyon, normalize, remove_outliers, ignore_sutunlar):
    # Veri setini yükleyin
    data = pd.read_csv(dosya.name)
    
    # Sütunları listeye dönüştürün
    sayisal_sutunlar = [col.strip() for col in sayisal_sutunlar.split(',')] if sayisal_sutunlar else None
    kategorik_sutunlar = [col.strip() for col in kategorik_sutunlar.split(',')] if kategorik_sutunlar else None
    ignore_sutunlar = [col.strip() for col in ignore_sutunlar.split(',')] if ignore_sutunlar else None
    
    # PyCaret kurulumunu başlatın
    s = setup(
        data,
        target=hedef_sutun,
        numeric_features=sayisal_sutunlar,
        categorical_features=kategorik_sutunlar,
        ignore_features=ignore_sutunlar,
        numeric_imputation=sayisal_imputasyon,
        categorical_imputation=kategorik_imputasyon,
        normalize=normalize,
        remove_outliers=remove_outliers,
        silent=True,
        verbose=False
    )
    
    # Modelleri karşılaştırın ve en iyisini seçin
    en_iyi_model = compare_models()
    
    # Model değerlendirme sonuçlarını alın
    degerlendirme = pull()
    
    return degerlendirme

# Gradio arayüzü
with gr.Blocks() as demo:
    gr.Markdown("# PyCaret ile AutoML Arayüzü")
    
    with gr.Row():
        dosya = gr.File(label="Veri Seti (CSV)")
    
    with gr.Row():
        hedef_sutun = gr.Textbox(label="Hedef Sütun Adı", placeholder="Örneğin: hedef_sutun")
        sayisal_sutunlar = gr.Textbox(label="Sayısal Sütunlar (Virgülle Ayrılmış)", placeholder="sayisal1, sayisal2")
        kategorik_sutunlar = gr.Textbox(label="Kategorik Sütunlar (Virgülle Ayrılmış)", placeholder="kategori1, kategori2")
        ignore_sutunlar = gr.Textbox(label="Görmezden Gelinecek Sütunlar (Virgülle Ayrılmış)", placeholder="ignore1, ignore2")
    
    with gr.Row():
        sayisal_imputasyon = gr.Dropdown(choices=['mean', 'median', 'zero'], label="Sayısal İmputasyon Yöntemi", value='mean')
        kategorik_imputasyon = gr.Dropdown(choices=['mode', 'constant'], label="Kategorik İmputasyon Yöntemi", value='mode')
    
    with gr.Row():
        normalize = gr.Checkbox(label="Normalize Et", value=False)
        remove_outliers = gr.Checkbox(label="Aykırı Değerleri Kaldır", value=False)
    
    buton = gr.Button("Otomatik Modelleme Başlat")
    
    output = gr.Dataframe(label="Model Değerlendirme Sonuçları")
    
    buton.click(
        otoml_islemi, 
        inputs=[dosya, hedef_sutun, sayisal_sutunlar, kategorik_sutunlar,
                sayisal_imputasyon, kategorik_imputasyon, normalize, remove_outliers, ignore_sutunlar],
        outputs=output
    )

demo.launch()