import gradio as gr import pandas as pd import numpy as np import plotly.express as px import plotly.graph_objects as go from sklearn.model_selection import train_test_split from sklearn.linear_model import LinearRegression from sklearn.ensemble import RandomForestRegressor from sklearn.cluster import KMeans from sklearn.preprocessing import StandardScaler from sklearn.metrics import mean_squared_error, r2_score from transformers import pipeline # Hugging Face 파이프라인 초기화 nlp = pipeline("text-classification", model="jhgan/ko-sroberta-multitask") def process_file(file): if file.name.endswith('.csv'): df = pd.read_csv(file.name) elif file.name.endswith('.xlsx'): df = pd.read_excel(file.name) else: return None, "지원되지 않는 파일 형식입니다.", [], [] columns = df.columns.tolist() return df, f"{file.name} 파일이 성공적으로 업로드되었습니다.", columns, columns def analyze_data(df, query, target_variable, feature_variables): if df is None: return "먼저 데이터 파일을 업로드해주세요.", None, None result = nlp(query)[0] intent = result['label'] confidence = result['score'] if '시계열' in query or '추세' in query: fig = px.line(df, x=df.columns[0], y=feature_variables, title='시계열 그래프') return f'시계열 그래프를 생성했습니다. (신뢰도: {confidence:.2f})', fig, None elif '분포' in query or '히스토그램' in query: fig = px.histogram(df, x=feature_variables[0], title='분포 히스토그램') return f'분포 히스토그램을 생성했습니다. (신뢰도: {confidence:.2f})', fig, None elif '상관관계' in query or '산점도' in query: fig = px.scatter_matrix(df[feature_variables], title='상관관계 매트릭스') return f'상관관계 매트릭스를 생성했습니다. (신뢰도: {confidence:.2f})', fig, None elif '예측' in query or '회귀' in query: if '랜덤' in query or '포레스트' in query: return perform_random_forest(df, target_variable, feature_variables) else: return perform_regression(df, target_variable, feature_variables) elif '군집' in query or '클러스터링' in query: return perform_clustering(df, feature_variables) else: return '죄송합니다. 요청을 이해하지 못했습니다.', None, None def perform_regression(df, target, features): X = df[features] y = df[target] X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) model = LinearRegression() model.fit(X_train, y_train) y_pred = model.predict(X_test) mse = mean_squared_error(y_test, y_pred) r2 = r2_score(y_test, y_pred) fig = px.scatter(x=y_test, y=y_pred, labels={'x': '실제 값', 'y': '예측 값'}, title='실제 값 vs 예측 값 (선형 회귀)') fig.add_trace(go.Scatter(x=[y_test.min(), y_test.max()], y=[y_test.min(), y_test.max()], mode='lines', name='완벽한 예측')) result_text = f"선형 회귀 분석 결과:\n" result_text += f"평균 제곱 오차 (MSE): {mse:.4f}\n" result_text += f"결정 계수 (R^2): {r2:.4f}\n" result_text += "특성 중요도:\n" for feature, importance in zip(features, model.coef_): result_text += f"- {feature}: {importance:.4f}\n" return result_text, fig, None def perform_random_forest(df, target, features): X = df[features] y = df[target] X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) model = RandomForestRegressor(n_estimators=100, random_state=42) model.fit(X_train, y_train) y_pred = model.predict(X_test) mse = mean_squared_error(y_test, y_pred) r2 = r2_score(y_test, y_pred) fig = px.scatter(x=y_test, y=y_pred, labels={'x': '실제 값', 'y': '예측 값'}, title='실제 값 vs 예측 값 (랜덤 포레스트)') fig.add_trace(go.Scatter(x=[y_test.min(), y_test.max()], y=[y_test.min(), y_test.max()], mode='lines', name='완벽한 예측')) result_text = f"랜덤 포레스트 회귀 분석 결과:\n" result_text += f"평균 제곱 오차 (MSE): {mse:.4f}\n" result_text += f"결정 계수 (R^2): {r2:.4f}\n" result_text += "특성 중요도:\n" importances = model.feature_importances_ for feature, importance in sorted(zip(features, importances), key=lambda x: x[1], reverse=True): result_text += f"- {feature}: {importance:.4f}\n" return result_text, fig, None def perform_clustering(df, features): X = df[features] scaler = StandardScaler() X_scaled = scaler.fit_transform(X) inertias = [] for k in range(1, 11): kmeans = KMeans(n_clusters=k, random_state=42) kmeans.fit(X_scaled) inertias.append(kmeans.inertia_) elbow_fig = px.line(x=range(1, 11), y=inertias, title='엘보우 곡선') elbow_fig.update_layout(xaxis_title='군집 수', yaxis_title='관성') optimal_k = 3 # 실제로는 엘보우 곡선을 바탕으로 결정해야 함 kmeans = KMeans(n_clusters=optimal_k, random_state=42) df['Cluster'] = kmeans.fit_predict(X_scaled) fig = px.scatter(df, x=features[0], y=features[1], color='Cluster', title='K-means 군집 분석 결과') result_text = f"K-means 군집 분석 결과:\n" result_text += f"최적의 군집 수: {optimal_k}\n" result_text += "각 군집의 크기:\n" for i in range(optimal_k): result_text += f"- 군집 {i}: {sum(df['Cluster'] == i)} 개\n" return result_text, fig, elbow_fig # 가이드 텍스트 guide_text = """ # 분석 방법 가이드 이 앱에서 사용할 수 있는 분석 방법과 명령어 예시입니다: 1. 시계열 분석 예시: "매출의 시계열 그래프를 보여줘" 2. 분포 분석 예시: "고객 나이 분포를 히스토그램으로 보여줘" 3. 상관관계 분석 예시: "매출과 광고비의 상관관계를 보여줘" 4. 선형 회귀 분석 예시: "광고비로 매출을 예측해줘" 5. 랜덤 포레스트 회귀 예시: "랜덤 포레스트로 매출을 예측해줘" 6. 군집 분석 예시: "고객 데이터를 군집화해줘" 분석하고자 하는 변수를 선택한 후, 위의 예시를 참고하여 분석 요청을 입력해주세요. """ # Gradio 인터페이스 설정 with gr.Blocks() as demo: gr.Markdown("# 고급 한국어 데이터 분석 앱") with gr.Row(): with gr.Column(scale=2): file_input = gr.File(label="데이터 파일 업로드 (CSV 또는 XLSX)") upload_output = gr.Textbox(label="업로드 상태") query_input = gr.Textbox(label="분석 요청 입력", placeholder="예: '매출과 비용의 시계열 그래프를 보여줘'") with gr.Row(): target_variable = gr.Dropdown(label="목표 변수 선택") feature_variables = gr.Dropdown(label="특성 변수 선택", multiselect=True) upload_button = gr.Button("파일 업로드") analyze_button = gr.Button("분석 실행") with gr.Column(scale=1): gr.Markdown(guide_text) with gr.Row(): result_text = gr.Textbox(label="분석 결과") result_plot = gr.Plot(label="시각화") elbow_plot = gr.Plot(label="엘보우 곡선 (군집 분석용)") df = gr.State() upload_button.click( process_file, inputs=[file_input], outputs=[df, upload_output, target_variable, feature_variables] ) analyze_button.click( analyze_data, inputs=[df, query_input, target_variable, feature_variables], outputs=[result_text, result_plot, elbow_plot] ) demo.launch()