Update app.py

app.py

@@ -53,6 +53,7 @@ st.markdown("""
         .metric-card {
             margin: 1rem 0;
             padding: 0.5rem;
+            background-color: #f0f2f6;
         }
         /* Колонки: одна под другой */
         .stColumns > div {
@@ -290,6 +291,32 @@ with st.sidebar:
     }
     </style>
 """, unsafe_allow_html=True)
+    # Кнопка классификации
+    if st.button('Выполнить классификацию', use_container_width=True):
+        with st.spinner('Выполняется классификация...'):
+            # Преобразование входных данных
+            input_df = pd.DataFrame([input_data])
+            
+            # One-hot encoding для категориальных признаков
+            input_df_encoded = pd.get_dummies(input_df, columns=categorical_features)
+            
+            # Масштабирование числовых признаков
+            if numeric_features:
+                input_df_encoded[numeric_features] = scaler.transform(input_df_encoded[numeric_features])
+            
+            # Убедитесь, что все необходимые столбцы присутствуют
+            for col in feature_list:
+                if col not in input_df_encoded.columns:
+                    input_df_encoded[col] = 0
+            
+            X_pred = input_df_encoded[feature_list]
+            prediction = model.predict(X_pred)
+            probabilities = model.predict_proba(X_pred)[0]
+            
+            # Сохраняем результаты в session state
+            st.session_state['prediction'] = prediction[0]
+            st.session_state['probabilities'] = probabilities
+            st.session_state['input_data'] = input_df
     st.header('Ввод данных')
     
     # Создаем вкладки для разных типов параметров
@@ -358,32 +385,32 @@ with st.sidebar:
                         help=f"Типичное: {categorical_defaults[feature]}"
                     )
     
-    # Кнопка классификации
-    if st.button('Выполнить классификацию', use_container_width=True):
-        with st.spinner('Выполняется классификация...'):
-            # Преобразование входных данных
-            input_df = pd.DataFrame([input_data])
+    # # Кнопка классификации
+    # if st.button('Выполнить классификацию', use_container_width=True):
+    #     with st.spinner('Выполняется классификация...'):
+    #         # Преобразование входных данных
+    #         input_df = pd.DataFrame([input_data])
             
-            # One-hot encoding для категориальных признаков
-            input_df_encoded = pd.get_dummies(input_df, columns=categorical_features)
+    #         # One-hot encoding для категориальных признаков
+    #         input_df_encoded = pd.get_dummies(input_df, columns=categorical_features)
             
-            # Масштабирование числовых признаков
-            if numeric_features:
-                input_df_encoded[numeric_features] = scaler.transform(input_df_encoded[numeric_features])
+    #         # Масштабирование числовых признаков
+    #         if numeric_features:
+    #             input_df_encoded[numeric_features] = scaler.transform(input_df_encoded[numeric_features])
             
-            # Убедитесь, что все необходимые столбцы присутствуют
-            for col in feature_list:
-                if col not in input_df_encoded.columns:
-                    input_df_encoded[col] = 0
+    #         # Убедитесь, что все необходимые столбцы присутствуют
+    #         for col in feature_list:
+    #             if col not in input_df_encoded.columns:
+    #                 input_df_encoded[col] = 0
             
-            X_pred = input_df_encoded[feature_list]
-            prediction = model.predict(X_pred)
-            probabilities = model.predict_proba(X_pred)[0]
+    #         X_pred = input_df_encoded[feature_list]
+    #         prediction = model.predict(X_pred)
+    #         probabilities = model.predict_proba(X_pred)[0]
             
-            # Сохраняем результаты в session state
-            st.session_state['prediction'] = prediction[0]
-            st.session_state['probabilities'] = probabilities
-            st.session_state['input_data'] = input_df
+    #         # Сохраняем результаты в session state
+    #         st.session_state['prediction'] = prediction[0]
+    #         st.session_state['probabilities'] = probabilities
+    #         st.session_state['input_data'] = input_df
 
 # Отображение результатов в основной части
 if 'prediction' in st.session_state: