modif app

app.py

@@ -39,15 +39,49 @@ lat	float	Latitude du domicile
 long	float	Longitude du domicile
 city_pop	int	Population de la ville
 job	string	Profession du client
-dob	string (YYYY-MM-DD)	Date de naissance du client
 merch_lat	float	Latitude du commerçant
 merch_long	float	Longitude du commerçant
-current_time	string (YYYY-MM-DD HH:MM:SS)	Horodatage de la transaction
+year    int	Année de la transaction
+month   int	Mois de la transaction
+day     int	Jour de la transaction
+hour    int	Heure de la transaction
+minute  int	Minute de la transaction
+second  int	Seconde de la transaction
+dob_year : int année de naissance
+dob_month : int mois de naissance
+dob_day : int jour de naissance
 """,
 version="1.0"
 )
 
 # === Schéma attendu pour l'entrée ===
+class InputData(BaseModel):
+    cc_num: int
+    merchant: str
+    category: str
+    amt: float
+    first: str
+    last: str
+    gender: Literal["M", "F"]
+    street: str
+    city: str
+    state: str
+    zip: int
+    lat: float
+    long: float
+    city_pop: int
+    job: str
+    merch_lat: float
+    merch_long: float
+    year : int         
+    month : int
+    day : int
+    hour : int         
+    minute : int       
+    second : int
+    dob_year : int
+    dob_month : int
+    dob_day : int   
 
 # === Configuration S3 ===
 S3_BUCKET = os.getenv("S3_BUCKET")
@@ -76,7 +110,7 @@ def home():
     return {"message": "Bienvenue sur l'API Fraude détéction - Utilisez /predict pour faire une prédiction"}
 
 @app.post("/predict")
-def predict(data: BaseModel):
+def predict(data: InputData):
     try:
         # Convertir les données en DataFrame avec colonnes correctes
         df = pd.DataFrame([data.dict()])