diff --git a/app.py b/app.py index 84aae25..17f8b61 100644 --- a/app.py +++ b/app.py @@ -9,7 +9,7 @@ def main(): # Settings - st.set_page_config(layout="wide", page_title='Demo item') + st.set_page_config(layout="wide", page_title='Costumer Segmentation | lmlouis') utl.set_page_title('Costumer Segmentation') st.set_option('deprecation.showPyplotGlobalUse', False) # Loading CSS @@ -25,70 +25,66 @@ def main(): st.sidebar.date_input('Date') st.sidebar.text_input('Text') st.sidebar.slider('Slider',min_value=5,max_value=20) - st.warning('Warning') - st.info('Info') - st.error('Error') - - with utl.stNotification('Sample notification, always on top and floats (spiner is optional)'): - time.sleep(5) - - -if __name__ == '__main__': - main() - -st.write( + # code project + st.write( + """ + ### Costumer Segmentation: + #### Application de deploiment de modèle de machine learning + #### basé sur le concept de segmentation du marché. + Autheur: WORA SOUAMY Louis Martin (@lmlouis) copyright 2022. + + Github Repository : https://github.com/lmlouis/customer-segmentation + + Notebook Modele :https://github.com/lmlouis/IntroductionIA/blob/main/Customer_Segmentation.ipynb """ - ### Costumer Segmentation: - #### Application de deploiment de modèle de machine learning - #### basé sur le concept de segmentation du marché. - Autheur: WORA SOUAMY Louis Martin (@lmlouis) copyright 2022. - - Github Repository : https://github.com/lmlouis/customer-segmentation - - Notebook Modele :https://github.com/lmlouis/IntroductionIA/blob/main/Customer_Segmentation.ipynb -""" -) -st.title('Fonctionalités Principales') -st.write(''' - * **Cibler le marché** le plus remptable selon le la localisation du client lors de la transaction - * **Prédir le chiffre d'affaire** d'une quantité de Transaction d'un produit effectué par un client - ''') - - - - -st.sidebar.header('''Paramètres :''') -df = collect_parametres(st, pd) - - - - - - -st.subheader('1 - Cibler le marché selon la situation géographique du client') -st.write(''' - ### Ciblage - Prédiction par localisation (latitude et longitude) du lieu de transaction - valeurs de prediction possibles: - * Marché Elevé - * Marché Moyen - * Marché Faible - ''') - -st.write(df[['Latitude', 'Longitude']]) - - -ciblage(df, st, pd, pickle) + ) + st.title('Fonctionalités Principales') + st.write(''' + * **Cibler le marché** le plus remptable selon le la localisation du client lors de la transaction + * **Prédir le chiffre d'affaire** d'une quantité de Transaction d'un produit effectué par un client + ''') + + + + st.sidebar.header('''Paramètres :''') + df = collect_parametres(st, pd) + + + + + + + st.subheader('1 - Cibler le marché selon la situation géographique du client') + st.write(''' + ### Ciblage + Prédiction par localisation (latitude et longitude) du lieu de transaction + valeurs de prediction possibles: + * Marché Elevé + * Marché Moyen + * Marché Faible + ''') + + st.write(df[['Latitude', 'Longitude']]) + + + ciblage(df, st, pd, pickle) + + + st.subheader("2 - Prédire le chiffre d'affaire d'une transaction pour une quantité de produit acheté") + st.write(''' + ### Prédiction + Prédiction du chiffre d'affaire: + ''') + + st.write(df['Quantité']) + + + chiffre_affaire(pickle, st, df) -st.subheader("2 - Prédire le chiffre d'affaire d'une transaction pour une quantité de produit acheté") -st.write(''' - ### Prédiction - Prédiction du chiffre d'affaire: - ''') -st.write(df['Quantité']) +if __name__ == '__main__': + main() -chiffre_affaire(pickle, st, df)