YAML Metadata Warning: empty or missing yaml metadata in repo card (https://huggingface.co/docs/hub/model-cards#model-card-metadata)

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 ["715/2007195/2013EURO5", "715/2007630/2012EURO5", "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

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}")
Downloads last month

-

Downloads are not tracked for this model. How to track
Inference Providers NEW
This model is not currently available via any of the supported Inference Providers.
The model cannot be deployed to the HF Inference API: The model has no library tag.