Upload app2.py

app2.py

@@ -0,0 +1,52 @@
+import gradio as gr
+from pymongo import MongoClient
+import pandas as pd
+
+# MongoDB'ye bağlanma
+client = MongoClient('mongodb://localhost:27017/')
+db = client['yeniDatabase']
+collection = db['train']
+
+# Model eğitme fonksiyonu (örnek)
+def train_model(filtered_data):
+    # Burada model eğitme işlemleri yapılır
+    # Örneğin, sadece veri boyutunu döndüren sahte bir model eğitimi
+    model_response = {
+        'status': 'success',
+        'message': 'Model trained successfully!',
+        'accuracy': 0.95,  # Örnek doğruluk değeri
+        'data_size': len(filtered_data)
+    }
+    return model_response
+
+# Gradio uygulaması için fonksiyon
+def train_model_gradio(title,keywords, subcategories, subheadings):
+    # MongoDB'den ilgili verileri çekme
+    query = {
+        'title': {'$in': title},
+        'category': {'$in': keywords.split(',')},
+        'subcategory': {'$in': subcategories.split(',')},
+        'subheadings': {'$in': subheadings.split(',')}
+    }
+    filtered_data = list(collection.find(query))
+
+    # Model eğitme
+    response = train_model(filtered_data)
+    return response
+
+# Gradio arayüzü
+iface = gr.Interface(
+    fn=train_model_gradio,
+    inputs=[
+        gr.Textbox(label="Title"),
+        gr.Textbox(label="Keywords (comma-separated)"),
+        gr.Textbox(label="Subcategories (comma-separated)"),
+        gr.Textbox(label="Subheadings (comma-separated)")
+    ],
+    outputs="json",
+    title="Model Training Interface",
+    description="Enter the titles, categories, subcategories, and subheadings to filter the data and train the model."
+)
+
+if __name__ == "__main__":
+    iface.launch()