File size: 1,177 Bytes
52f2033 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 |
from sklearn import tree
from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
import numpy as np
from typing import List
from joblib import load
class InputData(BaseModel):
data: List[float] # Lista de caracter铆sticas num茅ricas (flotantes)
app = FastAPI()
# Funci贸n para construir el modelo manualmente
def build_decision_tree():
# Crear el modelo de 谩rbol de decisi贸n
model = tree.DecisionTreeClassifier(criterion="entropy", max_depth=10)
model = load(
"miarbol.pkl"
)
return model
# Construir el modelo al iniciar la aplicaci贸n
model = build_decision_tree()
# Ruta de predicci贸n
@app.post("/predict/")
async def predict(data: InputData):
print(f"Data: {data}")
global model
try:
# Convertir la lista de entrada a un array de NumPy para la predicci贸n
input_data = np.array(data.data).reshape(
1, -1
) # Asumiendo que la entrada debe ser de forma (1, num_features)
prediction = model.predict(input_data).round()
return {"prediction": prediction.tolist()}
except Exception as e:
raise HTTPException(status_code=500, detail=str(e))
|