premier

Dockerfile

@@ -0,0 +1,24 @@
+# Image de base
+FROM python:3.10-slim
+
+# Définir le répertoire de travail
+WORKDIR /app
+
+# Installer les dépendances système utiles (optionnel mais pratique pour scikit-learn, xgboost etc.)
+RUN apt-get update && apt-get install -y \
+    build-essential \
+    libpq-dev \
+    && rm -rf /var/lib/apt/lists/*
+
+# Copier requirements.txt et installer
+COPY requirements.txt .
+RUN pip install --no-cache-dir -r requirements.txt
+
+# Copier ton code
+COPY . .
+
+# Exposer le port (HF attend généralement 7860, mais 8000 marche aussi)
+EXPOSE 8000
+
+# Lancer FastAPI avec Uvicorn
+CMD ["uvicorn", "appfast:app", "--host", "0.0.0.0", "--port", "8000"]

README.md

@@ -8,4 +8,91 @@ pinned: false
 license: apache-2.0
 ---
 
+🚗 Getaround Car Rental - API de Prédiction
+
+Cette API permet de prédire le prix journalier de location d’un véhicule sur Getaround, en fonction de ses caractéristiques techniques (marque, type de carburant, puissance moteur, etc.).
+
+Elle est basée sur un modèle XGBoost optimisé et hébergée sur Hugging Face Spaces avec FastAPI.
+
+⚡ Endpoints disponibles
+🔹 POST /predict
+
+Prédit le prix de location journalier.
+
+Méthode : POST
+
+Entrée (JSON) :
+
+{
+  "input": [[100000, 120, "diesel", "black", "estate", 1, 1, 0, 0, 1, 0, 1]]
+}
+
+
+Chaque valeur correspond aux features suivantes :
+
+mileage → Kilométrage (ex: 100000)
+
+engine_power → Puissance moteur (ex: 120)
+
+fuel → Type de carburant (diesel, petrol, electric, hybrid)
+
+paint_color → Couleur de la voiture
+
+car_type → Type de voiture (estate, sedan, hatchback, etc.)
+
+private_parking_available → Parking privé (0/1)
+
+has_gps → GPS présent (0/1)
+
+has_air_conditioning → Climatisation (0/1)
+
+automatic_car → Automatique (0/1)
+
+has_getaround_connect → Connect (0/1)
+
+has_speed_regulator → Régulateur de vitesse (0/1)
+
+winter_tires → Pneus hiver (0/1)
+
+Sortie (JSON) :
+
+{
+  "prediction": [119.5]
+}
+
+🔹 GET /docs
+
+Accès à la documentation interactive (Swagger UI).
+👉 Exemple : https://ton-espace.hf.space/docs
+
+🛠️ Stack technique
+
+Python 3.10
+
+FastAPI + Uvicorn
+
+XGBoost
+
+scikit-learn
+
+Hugging Face Spaces
+
+Stockage du modèle sur S3 (Amazon)
+
+🚀 Exemple avec curl
+curl -X POST "https://ton-espace.hf.space/predict" \
+-H "Content-Type: application/json" \
+-d '{"input": [[100000, 120, "diesel", "black", "estate", 1, 1, 0, 0, 1, 0, 1]]}'
+
+📦 Déploiement local (optionnel)
+
+Pour tester localement :
+
+uvicorn appfast:app --reload --host 0.0.0.0 --port 8000
+
+
+Puis tester avec :
+👉 http://127.0.0.1:8000/docs
+
+
 Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference

requirements.txt

@@ -0,0 +1,8 @@
+fastapi
+uvicorn
+boto3
+joblib
+scikit-learn
+xgboost
+pandas
+python-dotenv