avraux commited on
Commit
f280f60
·
1 Parent(s): 0a95fff

bug corrigé

Browse files
README.md CHANGED
@@ -16,7 +16,11 @@ Les données d'entrée du modèle sont les suivantes :
16
  - lib_mrq_VOLKSWAGEN
17
  - typ_boite_nb_rapp_A 5
18
  - typ_boite_nb_rapp_A 6
19
- - champ_v9_715/2007*692/2008EURO5
 
 
 
 
20
  - Carrosserie_BREAK
21
  - Carrosserie_COUPE
22
  - Carrosserie_MINIBUS
@@ -36,11 +40,25 @@ Pour faciliter la réception d'information, on va demander des informations plus
36
  "masse_ordma_max": 1500,
37
  "marque": "BMW",
38
  "typ_boite": "A 5",
39
- "champ_v9": false,
40
  "carrosserie": "COUPE",
41
  "gamme": "LUXE"
42
  }
43
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
44
 
45
  ## Exemple d'utilisation
46
  ```python
@@ -51,6 +69,16 @@ import numpy as np
51
  model = joblib.load("model.joblib")
52
 
53
  # Effectuer une prédiction
54
- input_data = [5.1, 3.5, 1.4, 0.2] # Exemple pour l'iris
 
 
 
 
 
 
 
 
 
 
55
  prediction = model.predict([input_data])
56
  print(f"Prédiction : {prediction}")
 
16
  - lib_mrq_VOLKSWAGEN
17
  - typ_boite_nb_rapp_A 5
18
  - typ_boite_nb_rapp_A 6
19
+ - champ_v9_"715/2007*195/2013EURO5
20
+ - champ_v9_"715/2007*195/2013EURO6
21
+ - champ_v9_"715/2007*566/2011EURO5
22
+ - champ_v9_"715/2007*630/2012EURO5
23
+ - champ_v9_715/2007*195/2013EURO5
24
  - Carrosserie_BREAK
25
  - Carrosserie_COUPE
26
  - Carrosserie_MINIBUS
 
40
  "masse_ordma_max": 1500,
41
  "marque": "BMW",
42
  "typ_boite": "A 5",
43
+ "champ_v9": "715/2007*195/2013EURO5",
44
  "carrosserie": "COUPE",
45
  "gamme": "LUXE"
46
  }
47
 
48
+ puiss_admin_98 : Puissance administrative de la voiture (Entier)
49
+ conso_urb : Consommation d'essence en ville L/1OOkm (Entier à 1 décimale)
50
+ conso_exurb : Consommation d'essence en campagne L/1OOkm (Entier à 1 décimale)
51
+ masse_ordma_max : Masse du véhicule
52
+ marque : Marque du véhicule parmi
53
+ ["BMW", "MERCEDES", "VOLKSWAGEN"]
54
+ typ_boite : Type de boite de vitesse parmi
55
+ ["A 5", "A 6", "A 7", "A 8", "M 5", "M 6"]
56
+ champ_v9 : type de norme parmi
57
+ ["715/2007*195/2013EURO5", "715/2007*630/2012EURO5", "715/2007*692/2008EURO5"]
58
+ carrosserie : type de carrosserie parmi
59
+ ["BREAK", "COUPE", "MINIBUS", "TS TERRAINS/CHEMINS"]
60
+ gamme : gamme du véhicule parmi
61
+ ["INFERIEURE", "LUXE", "MOY-INFERIEURE", "MOY-SUPER", "SUPERIEURE"]
62
 
63
  ## Exemple d'utilisation
64
  ```python
 
69
  model = joblib.load("model.joblib")
70
 
71
  # Effectuer une prédiction
72
+ input_data = {
73
+ "puiss_admin_98": 7,
74
+ "conso_urb": 5.6,
75
+ "conso_exurb": 4.3,
76
+ "masse_ordma_max": 1500,
77
+ "marque": "BMW",
78
+ "typ_boite": "A 5",
79
+ "champ_v9": "715/2007*195/2013EURO5"
80
+ "carrosserie": "COUPE",
81
+ "gamme": "LUXE"
82
+ }
83
  prediction = model.predict([input_data])
84
  print(f"Prédiction : {prediction}")
__pycache__/app.cpython-313.pyc ADDED
Binary file (1.17 kB). View file
 
__pycache__/inference.cpython-313.pyc ADDED
Binary file (2.85 kB). View file
 
app.py CHANGED
@@ -1,5 +1,6 @@
1
  from fastapi import FastAPI
2
  from pydantic import BaseModel
 
3
 
4
  # Définir l'API
5
  app = FastAPI()
@@ -12,7 +13,7 @@ class InputData(BaseModel):
12
  masse_ordma_max: float
13
  marque: str
14
  typ_boite: str
15
- champ_v9 : bool
16
  carrosserie: str
17
  gamme: str
18
 
 
1
  from fastapi import FastAPI
2
  from pydantic import BaseModel
3
+ from inference import preprocess_and_predict
4
 
5
  # Définir l'API
6
  app = FastAPI()
 
13
  masse_ordma_max: float
14
  marque: str
15
  typ_boite: str
16
+ champ_v9 : str
17
  carrosserie: str
18
  gamme: str
19