Описание проекта

Обучение модели, предсказывающей целевое действие, на основе предоставленных данных о визитах на сайт сервиса "СберАвтоподписка".
Для получения предсказаний, модель обернута в localhost web app, с помощью фреймворка FastApi.
Реализована валидация входных/выходных данных, посредством библиотеки pydantic.

Результат

• Обучена модель классификации, на основе ансамбля деревьев LogisticRegression из библиотеки Sklearn.
• Сконфигурирован pipeline для обучения модели и получения предсказаний.
• Модель сериализована в файл pickle.
• Для получения предсказаний модель обернута в localhost web app, с помощью фреймворка FastApi.
• С помощью библиотеки pydantic, настроена валидация данных, получаемых через API.
• Получено значение метрики roc-auc: 0.6685, accuracy: 0.5474

Использование

1. Откройте терминал Bash.
2. Клонируйте репозиторий проекта.

git clone https://github.com/MawneIl/Analysis-of-the-SberAutosubscription.git

3. Перейдите в корневой каталог проекта.

cd Analysis-of-the-SberAutosubscription

4. Установите необходимые библиотеки, выполнив команду:

pip install requirements.txt

5. Запустите приложение командой:

uvicorn main:app --reload

6. Запустите локальное приложение Postman, либо перейдите по ссылке и создайте новый запрос.
7. Выполните один из запросов.

Принимаемые запросы:

1. Проверить готовность приложения:
   

   GET>> http://127.0.0.1:8000/status

2. Узнать версию приложения и метаданные:
   

   GET>> http://127.0.0.1:8000/version

3. Получить предсказание модели:
   

   POST>> http://127.0.0.1:8000/predict
   

PS: для последнего запроса передайте один из json'ов из папки 'Samples'. Для этого выберете 'Body -> raw -> JSON -> вставьте данные в поле.

Технологии