|
|
|
--- |
|
title: "Prédiction de CO2 de voiture" |
|
emoji: "🚗" |
|
colorFrom: "blue" |
|
colorTo: "green" |
|
sdk: "docker" |
|
sdk_version: "1.0" |
|
app_file: app.py |
|
pinned: false |
|
--- |
|
|
|
# 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}") |
|
|
