| # Mon Modèle Scikit-learn | |
| Ce modèle a été entraîné avec scikit-learn pour prédire les émissions en CO2 d'une voiture. | |
| L'entrainement du modèle a été fait avec Google Collab : https://colab.research.google.com/drive/1n1Vtx6873e06c0WYG9JKIJ_ZLTMkptcX#scrollTo=_eLI1udbyDT3 | |
| La documentation sur l'entraînement du modèle est la suivante : https://docs.google.com/spreadsheets/d/1oBshoNy2NJZQreOEbBfcWCCg2wo0PQDo/edit?gid=1220399676#gid=1220399676 | |
| # Input Data | |
| Les données d'entrée du modèle sont les suivantes : | |
| - puiss_admin_98 | |
| - conso_urb | |
| - conso_exurb | |
| - masse_ordma_max | |
| - lib_mrq_BMW | |
| - lib_mrq_MERCEDES | |
| - lib_mrq_VOLKSWAGEN | |
| - typ_boite_nb_rapp_A 5 | |
| - typ_boite_nb_rapp_A 6 | |
| - champ_v9_"715/2007*195/2013EURO5 | |
| - champ_v9_"715/2007*195/2013EURO6 | |
| - champ_v9_"715/2007*566/2011EURO5 | |
| - champ_v9_"715/2007*630/2012EURO5 | |
| - champ_v9_715/2007*195/2013EURO5 | |
| - Carrosserie_BREAK | |
| - Carrosserie_COUPE | |
| - Carrosserie_MINIBUS | |
| - Carrosserie_TS TERRAINS/CHEMINS | |
| - gamme_INFERIEURE | |
| - gamme_LUXE | |
| - gamme_MOY-INFERIEURE | |
| - gamme_MOY-SUPER | |
| - gamme_SUPERIEURE | |
| Pour faciliter la réception d'information, on va demander des informations plus concises puis on va recréer l'ensemble de ses champs. On s'attends à un JSON de la forme : | |
| { | |
| "puiss_admin_98": 7, | |
| "conso_urb": 5.6, | |
| "conso_exurb": 4.3, | |
| "masse_ordma_max": 1500, | |
| "marque": "BMW", | |
| "typ_boite": "A 5", | |
| "champ_v9": "715/2007*195/2013EURO5", | |
| "carrosserie": "COUPE", | |
| "gamme": "LUXE" | |
| } | |
| puiss_admin_98 : Puissance administrative de la voiture (Entier) | |
| conso_urb : Consommation d'essence en ville L/1OOkm (Entier à 1 décimale) | |
| conso_exurb : Consommation d'essence en campagne L/1OOkm (Entier à 1 décimale) | |
| masse_ordma_max : Masse du véhicule | |
| marque : Marque du véhicule parmi | |
| ["BMW", "MERCEDES", "VOLKSWAGEN"] | |
| typ_boite : Type de boite de vitesse parmi | |
| ["A 5", "A 6", "A 7", "A 8", "M 5", "M 6"] | |
| champ_v9 : type de norme parmi | |
| ["715/2007*195/2013EURO5", "715/2007*630/2012EURO5", "715/2007*692/2008EURO5"] | |
| carrosserie : type de carrosserie parmi | |
| ["BREAK", "COUPE", "MINIBUS", "TS TERRAINS/CHEMINS"] | |
| gamme : gamme du véhicule parmi | |
| ["INFERIEURE", "LUXE", "MOY-INFERIEURE", "MOY-SUPER", "SUPERIEURE"] | |
| ## Exemple d'utilisation | |
| ```python | |
| import joblib | |
| import numpy as np | |
| # Charger le modèle | |
| model = joblib.load("model.joblib") | |
| # Effectuer une prédiction | |
| input_data = { | |
| "puiss_admin_98": 7, | |
| "conso_urb": 5.6, | |
| "conso_exurb": 4.3, | |
| "masse_ordma_max": 1500, | |
| "marque": "BMW", | |
| "typ_boite": "A 5", | |
| "champ_v9": "715/2007*195/2013EURO5" | |
| "carrosserie": "COUPE", | |
| "gamme": "LUXE" | |
| } | |
| prediction = model.predict([input_data]) | |
| print(f"Prédiction : {prediction}") | |