app.py

import gradio as gr
import numpy as np
from sklearn.neighbors import KNeighborsClassifier

import pickle
with open('modelo (3).pkl', 'rb') as file:
  knn = pickle.load(file)



# Crear un modelo KNN de ejemplo para que funcione el código
#knn = KNeighborsClassifier(n_neighbors=3)
#X = np.array([[6.7, 3.0, 5.2, 2.3], [4.7, 3.2, 1.3, 0.2], [5.0, 3.6, 1.4, 0.2]])
#y = np.array([0, 1, 2])
#knn.fit(X, y)

def modelo(sepal_length, sepal_width, petal_length, petal_width):
    species = ['Iris-Setosa', 'Iris-Versicolour', 'Iris-Virginica']
    i = knn.predict([[sepal_length, sepal_width, petal_length, petal_width]])[0]
    return species[i]

interfaz = gr.Interface(
    fn=modelo,
    inputs=[
        gr.Slider(label='Sepal Length', minimum=0.0, maximum=8.0, step=0.1),
        gr.Slider(label='Sepal Width', minimum=0.0, maximum=8.0, step=0.1),
        gr.Slider(label='Petal Length', minimum=0.0, maximum=8.0, step=0.1),
        gr.Slider(label='Petal Width', minimum=0.0, maximum=8.0, step=0.1),
    ],
    outputs=gr.Textbox(label='Specie'),
    title='Detector de especies de iris',
    description='Este modelo está desarrollado para la clasificación de flores de la especie Iris.',
    article='Aplicación desarrollada con fines docentes en el curso Saturdays.ai',
    theme='peach'
)

interfaz.launch()