| """Descarga el modelo desde Hugging Face Hub y predice EN ESTA PC.
|
|
|
| Baja model.pkl. El modelo vive en el Hub; la inferencia la hace este código.
|
|
|
| Ojo: cargar un pickle puede ejecutar código. Solo con repos de confianza.
|
|
|
| Uso:
|
| python predict_hub.py tu-usuario/casas-sklearn-exportar-pickle
|
| """
|
|
|
| import pickle
|
| import sys
|
|
|
| import numpy as np
|
| import pandas as pd
|
| from huggingface_hub import hf_hub_download
|
|
|
| REPO_ID = sys.argv[1] if len(sys.argv) > 1 else "TU-USUARIO/casas-sklearn-exportar-pickle"
|
|
|
|
|
| with open(hf_hub_download(repo_id=REPO_ID, filename="model.pkl"), "rb") as f:
|
| modelo = pickle.load(f)
|
| casas_nuevas = pd.DataFrame({"m2": [50, 80, 110], "balcon": [0, 1, 1], "ascensor": [0, 0, 1]})
|
| precios = modelo.predict(casas_nuevas)
|
|
|
| ENTRADAS = ["m2", "balcon", "ascensor"]
|
| for casa, precio in zip([[50, 0, 0], [80, 1, 0], [110, 1, 1]], np.ravel(precios)):
|
| print(f"{dict(zip(ENTRADAS, casa))} -> {precio:.1f} miles de US$")
|
|
|
