Update app.py

app.py

@@ -18,7 +18,6 @@ from docx.enum.text import WD_PARAGRAPH_ALIGNMENT
 import os
 import json
 from sklearn.linear_model import Ridge, Lasso, ElasticNet
-from sklearn.model_selection import KFold  # CORRECCIÓN IMPORTANTE
 from sklearn.model_selection import cross_val_score
 from sklearn.decomposition import PCA
 from sklearn.preprocessing import StandardScaler
@@ -1686,9 +1685,9 @@ def create_gradio_interface():
                         
                         gr.Markdown("#### 📊 Resultados Básicos")
                         model_completo_output = gr.HTML(label="Modelo Completo")
-                        pareto_completo_output = gr.Plot(label="Diagrama de Pareto - Modelo Completo")
+                        pareto_completo_output = gr.Plot(type="plotly", label="Diagrama de Pareto - Modelo Completo")
                         model_simplificado_output = gr.HTML(label="Modelo Simplificado")
-                        pareto_simplificado_output = gr.Plot(label="Diagrama de Pareto - Modelo Simplificado")
+                        pareto_simplificado_output = gr.Plot(type="plotly", label="Diagrama de Pareto - Modelo Simplificado")
                         equation_output = gr.HTML(label="Ecuación del Modelo Simplificado")
                         prediction_table_output = gr.Dataframe(label="Tabla de Predicciones", interactive=False)
                     
@@ -1710,11 +1709,11 @@ def create_gradio_interface():
                             with gr.Tab("Diagnóstico"):
                                 gr.Markdown("### Gráficos de Diagnóstico del Modelo")
                                 with gr.Row():
-                                    diagnostic_plot1 = gr.Plot(label="Residuos vs Valores Ajustados")
-                                    diagnostic_plot2 = gr.Plot(label="Q-Q Plot")
+                                    diagnostic_plot1 = gr.Plot(type="plotly", label="Residuos vs Valores Ajustados")
+                                    diagnostic_plot2 = gr.Plot(type="plotly", label="Q-Q Plot")
                                 with gr.Row():
-                                    diagnostic_plot3 = gr.Plot(label="Gráfico de Influencia")
-                                    diagnostic_plot4 = gr.Plot(label="Gráfico de Escala-Localización")
+                                    diagnostic_plot3 = gr.Plot(type="plotly", label="Gráfico de Influencia")
+                                    diagnostic_plot4 = gr.Plot(type="plotly", label="Gráfico de Escala-Localización")
                             
                             with gr.Tab("ANOVA y Contribución"):
                                 gr.Markdown("### Análisis de Varianza y Contribución")
@@ -1791,7 +1790,7 @@ def create_gradio_interface():
                                     left_button = gr.Button("❮", variant="secondary")
                                     right_button = gr.Button("❯", variant="secondary")
                                 
-                                rsm_plot_output = gr.Plot(label="Superficie de Respuesta")
+                                rsm_plot_output = gr.Plot(type="plotly", label="Superficie de Respuesta")
                                 plot_info = gr.Textbox(label="Información del Gráfico", value="Gráfico 1 de 9", interactive=False)
                                 
                                 with gr.Row():
@@ -1799,7 +1798,7 @@ def create_gradio_interface():
                                     download_all_plots_button = gr.DownloadButton("Descargar Todos los Gráficos (ZIP) 📦")
                             
                             with gr.Tab("Contorno"):
-                                contour_plot_output = gr.Plot(label="Gráfico de Contorno")
+                                contour_plot_output = gr.Plot(type="plotly", label="Gráfico de Contorno")
                                 download_contour_button = gr.DownloadButton("Descargar Contorno (PNG) 📥")
             
             # Pestaña 4: Optimización
@@ -1837,8 +1836,8 @@ def create_gradio_interface():
                         optimization_table_output = gr.Dataframe(label="Tabla de Optimización (Nelder-Mead)", interactive=False)
                         bayesian_opt_table_output = gr.Dataframe(label="Tabla de Optimización (Bayesiana)", interactive=False)
                         pso_opt_table_output = gr.Dataframe(label="Tabla de Optimización (PSO)", interactive=False)
-                        bayesian_plot_output = gr.Plot(label="Convergencia de Optimización Bayesiana")
-                        pso_plot_output = gr.Plot(label="Visualización de Optimización PSO")
+                        bayesian_plot_output = gr.Plot(type="plotly", label="Convergencia de Optimización Bayesiana")
+                        pso_plot_output = gr.Plot(type="plotly", label="Visualización de Optimización PSO")
                     
                     with gr.Column(scale=3):
                         gr.Markdown("#### 📈 Análisis Adicional de Optimización")
@@ -1847,12 +1846,12 @@ def create_gradio_interface():
                             with gr.Tab("Análisis de Sensibilidad"):
                                 gr.Markdown("### Análisis de Sensibilidad de los Factores")
                                 # Aquí se podrían agregar gráficos de sensibilidad
-                                gr.Plot(label="Gráfico de Sensibilidad")
+                                gr.Plot(type="plotly", label="Gráfico de Sensibilidad")
                                 gr.Dataframe(label="Tabla de Sensibilidad")
                             
                             with gr.Tab("Intervalos de Confianza"):
                                 gr.Markdown("### Intervalos de Confianza para la Predicción Óptima")
-                                gr.Plot(label="Intervalos de Confianza")
+                                gr.Plot(type="plotly", label="Intervalos de Confianza")
                                 gr.Dataframe(label="Valores de Confianza")
                             
                             with gr.Tab("Validación Cruzada"):