예측 엔드포인트 만들기
이번 연습 문제에서는 사전 학습된 모델을 사용해 당뇨병 진행 정도를 예측하는 엔드포인트를 만들어 보겠습니다.
이 모델은 age, bmi, blood_pressure 세 가지 특성(feature)으로 구성된 데이터셋으로 학습되었으며, 당뇨병 진행 점수를 예측합니다. 이 점수를 통해 질환이 시간이 지남에 따라 어떻게 진행될지 평가할 수 있습니다.
FastAPI를 사용해 환자 데이터를 입력받고 당뇨병 진행 예측값을 반환하는 POST 엔드포인트를 만들어 보세요.
이 연습은 강의의 일부입니다
FastAPI로 AI 프로덕션 배포하기
연습 안내
FastAPI앱 인스턴스를 생성해 API 개발을 시작하세요./predict경로에POST엔드포인트를 만들어 환자의features를 입력받고 예측값을 반환하도록 하세요.- 로드된 모델을 사용해 입력 특성(feature)을 기반으로 예측을 수행하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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])}