予測エンドポイントの作成
この演習では、事前学習済みモデルを使って糖尿病の進行度を推定する予測エンドポイントを作成します。
モデルは age（年齢）、bmi（体格指数）、blood_pressure（血圧）の3つの特徴量を持つデータセットで学習されており、糖尿病の進行スコアを予測します。このスコアは、病状が今後どのように進行するかを評価するために活用されます。
FastAPI を使って、患者データを受け取り糖尿病の進行予測を返す POST エンドポイントを作成しましょう。
この演習はコースの一部です
FastAPI を使った AI のプロダクション環境へのデプロイ
演習の手順
- API の開発を始めるために、
FastAPIのアプリインスタンスを作成します。 - 患者の
features（特徴量）を受け取り予測結果を返すPOSTエンドポイントを/predictに作成します。 - 読み込んだモデルを使って、入力された特徴量をもとに予測を実行します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Create FastAPI instance
app = ____()
# Create a POST request endpoint at the route "/predict"
@app.____("/____")
async def predict_progression(features: DiabetesFeatures):
input_data = [[
features.age,
features.bmi,
features.blood_pressure
]]
# Use the predict method to make a prediction
prediction = model.____(input_data)
return {"predicted_progression": float(prediction[0])}