為 ML 輸入建立 Pydantic 模型
你正在開發一個 FastAPI 應用程式，用來部署一個機器學習模型，根據香氣、風味與海拔等屬性來預測咖啡的品質分數。
第一步是建立一個 Pydantic 模型，來驗證送進 ML 模型的請求輸入資料，並確保只有有效的資料會進入模型，讓預測順利完成。
本練習屬於課程
使用 FastAPI 將 AI 佈署到生產環境
練習說明
- 從 Pydantic 匯入基礎驗證類別以建立資料模型。
- 定義一個名為
CoffeeQualityInput的類別，並繼承自 Pydantic 的基底類別。 - 在該類別中加入三個屬性：
aroma（float）、flavor（float）、altitude（int）。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Import the base class from pydantic
from pydantic import ____
class CoffeeQualityInput(____):
# Use apt data type for each attribute of coffee quality
aroma: ____
flavor: ____
altitude: ____