Spaces:
Sleeping
Sleeping
File size: 1,901 Bytes
38b642a | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 | #!/usr/bin/env bash
# Predicción batch – POST /predict/batch
# Banco Ripley · Modelo Predictiva Early
# URL base: https://nicolasitmeet-predictiva-early.hf.space
#
# Envía hasta 500 registros en una sola llamada bajo la clave "records".
# Nota: los campos "serie" y "PERIODO" son ignorados por el pipeline; puedes omitirlos.
BASE_URL="https://nicolasitmeet-predictiva-early.hf.space"
curl -s -X POST "${BASE_URL}/predict/batch" \
-H "Content-Type: application/json" \
-d '{
"records": [
{
"MESES_ANT_RCC": 111,
"EDAD": 54,
"GENERO": "M",
"FLAG_ENTIDAD_PRINCIPAL": 0,
"GRADO_INSTRUCCION": "SECUNDARIA",
"DEPARTAMENTO": "LIMA",
"PROVINCIA": "LIMA",
"DISTRITO": "MIRAFLORES",
"FLAG_TC_MODELOS": 0,
"FLAG_MES": 1,
"CONTAR_COMP": 12,
"MARCA_HP": 0,
"MARCA_SEG_VIDA": 0,
"MARCA_DIF": 1,
"MARCA_CONV": 0,
"SITUACION_LABORAL": "INDEPENDIENTE",
"ESTADO_CIVIL": "1",
"MAX_ATRASO3": 0,
"MAX_ATRASO6": 0,
"MAX_ATRASO12": 0,
"UTIL_TARJ": 0.45,
"UTIL_EFEC": 0.10,
"RATIO_CONS": 0.30
},
{
"MESES_ANT_RCC": 24,
"EDAD": 28,
"GENERO": "F",
"FLAG_ENTIDAD_PRINCIPAL": 1,
"GRADO_INSTRUCCION": "UNIVERSITARIA",
"DEPARTAMENTO": "AREQUIPA",
"PROVINCIA": "AREQUIPA",
"DISTRITO": "CERCADO",
"FLAG_TC_MODELOS": 1,
"FLAG_MES": 0,
"CONTAR_COMP": 3,
"MARCA_HP": 0,
"MARCA_SEG_VIDA": 1,
"MARCA_DIF": 0,
"MARCA_CONV": 1,
"SITUACION_LABORAL": "DEPENDIENTE",
"ESTADO_CIVIL": "2",
"MAX_ATRASO3": 2,
"MAX_ATRASO6": 3,
"MAX_ATRASO12": 3,
"UTIL_TARJ": 0.92,
"UTIL_EFEC": 0.75,
"RATIO_CONS": 0.88
}
]
}' | python3 -m json.tool
|