Update app.py

app.py

@@ -3,7 +3,7 @@
 import pandas as pd
 from pycaret.regression import load_model, predict_model
 from fastapi import FastAPI
-from pydantic import BaseModel, create_model
+from pydantic import BaseModel, Field
 import uvicorn
 
 
@@ -15,40 +15,40 @@ app = FastAPI(
 )
 
 
-model = load_model("best_pipeline")
+model = load_model("api_gaz")
 
 
 class InputModel(BaseModel):
-    state: str
-    statecode: int
-    year: int
-    price: float
-    eprice: float
-    oprice: float
-    lprice: float
-    heating: int
-    income: float
+    state: str = Field(..., example="TX", description="État (par exemple, 'TX' pour Texas)")
+    statecode: int = Field(..., example=44, description="Code de l'état (par exemple, 44)")
+    year: int = Field(..., example=1980, description="Année (par exemple, 1980)")
+    price: float = Field(..., example=3.4, description="Prix du gaz naturel")
+    eprice: float = Field(..., example=4.87, description="Prix ajusté de l'énergie")
+    oprice: float = Field(..., example=37.92, description="Prix de l'énergie autre que le gaz naturel")
+    lprice: float = Field(..., example=3.21, description="Prix du gaz naturel en dollars constants")
+    heating: int = Field(..., example=2145, description="Degrés-jours de chauffage")
+    income: float = Field(..., example=11393.46, description="Revenu moyen")
 
 class OutputModel(BaseModel):
-    prediction: float
-
+    prediction: float = Field(..., example=224800, description="Prédiction de la consommation de gaz naturel")
 
+# Define predict function
 @app.post("/predict", response_model=OutputModel, summary="Prédire la Consommation de Gaz Naturel", description="Prédit la consommation de gaz naturel basée sur les paramètres fournis.")
 def predict(data: InputModel):
     """
-    Paramètres d'entrée :
-    - state : État (par exemple, 'TX' pour Texas)
-    - statecode : Code de l'état (par exemple, 44)
-    - year : Année (par exemple, 1980)
-    - price : Prix du gaz naturel
-    - eprice : Prix ajusté de l'énergie
-    - oprice : Prix de l'énergie autre que le gaz naturel
-    - lprice : Prix du gaz naturel en dollars constants
-    - heating: Degrés-jours de chauffage
-    - income : Revenu moyen
-
-    Sortie :
-    - *prediction* : Prédiction de la consommation de gaz naturel
+      Paramètres d'entrée :
+    -  state  : État (par exemple, 'TX' pour Texas)
+    -  statecode  : Code de l'état (par exemple, 44)
+    -  year  : Année (par exemple, 1980)
+    -  price  : Prix du gaz naturel
+    -  eprice  : Prix ajusté de l'énergie
+    -  oprice  : Prix de l'énergie autre que le gaz naturel
+    -  lprice  : Prix du gaz naturel en dollars constants
+    -  heating  : Degrés-jours de chauffage
+    -  income  : Revenu moyen
+
+     Sortie :
+    -  prediction  : Prédiction de la consommation de gaz naturel
     """
     data = pd.DataFrame([data.dict()])
     predictions = predict_model(model, data=data)