Merge branch 'master' of https://git.wmi.amu.edu.pl/s452979/SysInf_grupa_B_lab_2

interface.py

@@ -1,19 +1,23 @@
 from tkinter import *
 from tkinter import messagebox
+import pickle
+import numpy as np
+from sklearn.preprocessing import StandardScaler
 
 window = Tk()
 window.minsize(width=600, height=600)
 window.config(padx=50, pady=50)
+window.config(background="#ffffff")
 window.title("Regresja")
 
 
 tytul = Label()
-tytul.config(text="Wycena wartości mieszkania na podstawie danych z serwisu otodom.pl", padx=70, pady=50)
+tytul.config(text="Wycena wartości mieszkania na podstawie danych z serwisu otodom.pl", padx=70, pady=50, background="#ffffff")
 tytul.grid(column=0, row=0, columnspan=2)
 
 
 metraz = Label()
-metraz.config(text="Metraż", pady=20)
+metraz.config(text="Metraż", pady=20, background="#ffffff")
 metraz.grid(column=0, row=1)
 
 metraz_entry = Entry()
@@ -24,18 +28,19 @@ pietro_entry.grid(column=1, row=2)
 
 
 pietro = Label()
-pietro.config(text="Piętro", pady=20)
+pietro.config(text="Piętro", pady=20, background="#ffffff")
 pietro.grid(column=1, row=1)
 
 
 przewidywania = Label()
-przewidywania.config(text="Przewidywanie:", pady=20, padx=5)
+przewidywania.config(text="Przewidywanie:", pady=20, padx=5, background="#ffffff")
 przewidywania.grid(column=0, row=4, sticky='e')
 
 wartosc_regresji = Label()
-wartosc_regresji.config(text="Wartosć przewidywana")
+wartosc_regresji.config(text="Wartosć przewidywana", background="#ffffff")
 wartosc_regresji.grid(column=1, row=4, sticky='w')
 
+model = pickle.load(open("model.pkl", 'rb'))
 
 
 def val_numbers():
@@ -49,11 +54,16 @@ def val_numbers():
         messagebox.showinfo(title="Error", message=f"Please provide numbers between 0 to 100 for floors and 0 to 100.000 for metric area.")
     else:
         confirm = messagebox.askyesno(title="Confirm", message="Do you want to start prediction?")
-
+        if confirm == True:
+            array = np.array([[int(pietro_entry.get()),float(metraz_entry.get())]])
+            scaler = StandardScaler()
+            transformed_data = scaler.fit_transform(array)
+            prediction = model.predict(transformed_data)
+            wartosc_regresji.config(text=f'{round(prediction[0][0], 2)} PLN')
             
 
 start_button = Button(command=val_numbers)
-start_button.config(text="Start")
+start_button.config(text="Start", background="#000000", foreground="#ffffff")
 start_button.grid(column=0, row=3, columnspan=2, sticky="s", pady=20)
 
 window.mainloop()

raport_lab1_grB.ipynb

@@ -1,68 +0,0 @@
-{
-  "cells": [
-    {
-      "cell_type": "markdown",
-      "source": [
-        "## Raport z zadań laboratorium nr 1 \n",
-        "### grupa B\n",
-        "### 10.10.2023\n",
-        "Skład: <br>\n",
-        "Piotr Szkudlarek - typ B2 <br>\n",
-        "Katarzyna Kuryło - typ A1 <br>\n",
-        "Julia Krzemień - typ A3 <br>\n",
-        "Olga Kwoczak - typ B3 <br>"
-      ],
-      "metadata": {}
-    },
-    {
-      "cell_type": "markdown",
-      "source": [
-        "### Zadanie 2\n",
-        "\n",
-        "Program uruchamia się za pomocą notatnika Jupyter."
-      ],
-      "metadata": {}
-    },
-    {
-      "cell_type": "markdown",
-      "source": [
-        "### Zadanie 3\n",
-        "\n"
-      ],
-      "metadata": {}
-    },
-    {
-      "cell_type": "markdown",
-      "source": [
-        "Podręcznik użytkowania kalkulatora cen mieszkań\n",
-        "\n",
-        "Interfejs programu zawiera dwa pola do wprowadzania parametrów. Użytkownik wpisuje metraż mieszkania oraz piętro, na którym znajduje się mieszkanie. Oba pola nie mogą być puste, a wpisywane wartości muszą być typu numerycznego. Jeśli wprowadzone dane są niepoprawne, wyskoczy okienko z prośbą o uzupełnienie danych - \"Please provide valid data\". Po prawidłowym uzupełnieniu pól można uruchomić kalkulator za pomocą przycisku \"start\".Program poprosi o potwierdzenie startu. Wynikiem działania programu jest prognozowana cena mieszkania, wyliczona na podstawie działania modelu regresji liniowej."
-      ],
-      "metadata": {}
-    }
-  ],
-  "metadata": {
-    "kernelspec": {
-      "display_name": "Python 3",
-      "language": "python",
-      "name": "python3"
-    },
-    "language_info": {
-      "codemirror_mode": {
-        "name": "ipython",
-        "version": 3
-      },
-      "file_extension": ".py",
-      "mimetype": "text/x-python",
-      "name": "python",
-      "nbconvert_exporter": "python",
-      "pygments_lexer": "ipython3",
-      "version": "3.11.5"
-    },
-    "nteract": {
-      "version": "nteract-front-end@1.0.0"
-    }
-  },
-  "nbformat": 4,
-  "nbformat_minor": 2
-}