app.py

import pickle
from minisom import MiniSom
import numpy as np

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
from typing import List

class InputData(BaseModel):
    data: List[float]  # Lista de características numéricas (flotantes)

app = FastAPI()

# Función para construir el modelo manualmente
def build_model():
    with open('somlucuma.pkl', 'rb') as fid:
        somecoli = pickle.load(fid)
    MM = np.loadtxt('matrizMM.txt', delimiter=" ")
    return somecoli,MM

som,MM = build_model()  # Construir el modelo al iniciar la aplicación

# Ruta de predicción
@app.post("/predict/")
async def predict(data: InputData):
    print(f"Data: {data}")
    global som
    global MM
    try:
        # Convertir la lista de entrada a un array de NumPy para la predicción
        input_data = np.array(data.data).reshape(
            1, -1
        )  # Asumiendo que la entrada debe ser de forma (1, num_features)
        #input_data = [float(f) for f in input_data]
        w = som.winner(input_data)
        prediction = MM[w]        
        
        return {"prediction": prediction.tolist()}
    except Exception as e:
        raise HTTPException(status_code=500, detail=str(e))