Kom igångKom igång gratis

Skapa prediktionsendpointen

I den här övningen skapar du en prediktionsendpoint som använder en förtränad modell för att uppskatta diabetesprogression.

Modellen har tränats på en datamängd med tre särdrag: age, bmi och blood_pressure. Utifrån dessa indata förutsäger den ett diabetesprogressionspoäng, vilket hjälper till att bedöma hur tillståndet kan utvecklas över tid.

Du använder FastAPI för att skapa en POST-endpoint som tar emot patientdata och returnerar en prediktion av diabetesprogression.

Den här övningen är en del av kursen

Driftsättning av AI i produktion med FastAPI

Visa kurs

Övningsinstruktioner

  • Skapa en appinstans av FastAPI för att börja utveckla API:et.
  • Skapa en POST-endpoint vid /predict som tar emot patientens features och returnerar en prediktion.
  • Använd den inlästa modellen för att göra en prediktion baserad på indata-särdragen.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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])}
Redigera och kör kod