README.md

Veri Etiketleme Aracı

Bu araç veri kazıma aşamasından sonra verilerin istenilen kategoriye göre etiketlenmesi ve kullanılmayacak olan verilerin database'ten silinmesi ile makine öğrenmesi modellerini kullanmak için etiketleme adımınını otomatikleştirmek amaçlı yapılmıştır.

streamlit-main-2022-12-04-04-12-22.webm

Geliştirme Ortamını Ayarlamak

python3 --version

• Virtual environment oluşturma ve aktif etme

cd venv-folder-path 
python3 -m venv <venv-name>
source <venv-name> /bin/activate

• Terminal üzerinden streamlit, psycopg2(postgresql) ve pandas indirme

pip install streamlit

pip install psycopg2

pip install pandas

Veri Etiketleme Aracı Uygulama Aşamaları

• İlk olarak, pgAdmin veya psql gibi herhangi bir istemci aracını kullanarak PostgreSQL veritabanı sunucusunda oturum açın.
• İkinci olarak, PostgreSQL veritabanı sunucusunda adlandırılmış yeni bir veritabanı oluşturmak için aşağıdaki ifadeyi kullanın

CREATE DATABASE complaints;

• Postgresql üzerinde tablo oluşturun

create table complaints(
	id integer primary key,
	name varchar(50),
	text text,
	link varchar(150)
)

• Tabloya bank.csv'yi import edin

COPY persons(id, name, text, link)
FROM 'csv-path\bank.csv'
DELIMITER ','
CSV HEADER;

• python dosyanızda kütüphaneleri import edin.

import psycopg2
import streamlit
import pandas as pd

• PostgreSQL veritabanına bağlanın

hostname = "localhost"
port_id = portId
database = "databaseName"
username = "username"
password = "password"

def sqlData(raw_code):
    with psycopg2.connect(host=hostname,port=port_id,dbname=database,user=username,password=password) as conn:
        with conn.cursor() as curs:
            curs.execute(raw_code)
            conn.commit()
            data = curs.fetchall()
            return data
          
          
data = sqlExecute("select * from complaints")
df = pd.DataFrame(data, columns=["id", "name", "text", "link"])
st.dataframe(df)

• Web sayfasında görüntülemek için streamlit'i terminal üzerinden çalıştırın

streamlit run main.py