https://github.com/davipythonweb/price_api

API de Previsão de Preço de casa com python/Machine-Learn
https://github.com/davipythonweb/price_api

flask machine-learning pickle python python-dotenv scikit-learn venv

Last synced: 12 days ago
JSON representation

API de Previsão de Preço de casa com python/Machine-Learn

• Host: GitHub
• URL: https://github.com/davipythonweb/price_api
• Owner: davipythonweb
• License: mit
• Created: 2024-06-01T05:39:03.000Z (8 months ago)
• Default Branch: main
• Last Pushed: 2024-06-01T06:08:23.000Z (8 months ago)
• Last Synced: 2024-11-18T13:32:15.194Z (2 months ago)
• Topics: flask, machine-learning, pickle, python, python-dotenv, scikit-learn, venv
• Language: Python
• Homepage:
• Size: 2.02 MB
• Stars: 0
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: readme.md
  • License: LICENSE

Awesome Lists containing this project

README

        
# API com python ==> previsão de preço de casa

* usando um propio modelo machine learning de previsao com sklearn no endpoint(cotacao)

* usar o postman para USAR o metodo POST na API de cotação do preço da casa

* usando o metodo de serializaçao com a biblioteca pickle para carregar o modelo do ambiente de desenvolvimento colab e salvalo em arquivo e carregar na API para a predição

* autenticaçao basica com nome de usuario e senha com a biblioteca flask-basisauth

* usando virtualenv como ambiente virtual do projeto 

* salvando as dependecias no requirements

* arquivo request é a simulação para consumir a API de preço de casas com a biblioeca requests na url = 'http://localhost:8000/cotacao/'

-arquivo ==> modelo.sav 

-==> arquivo serializado com pickle da variavel de machine learning criada no google colab

-para treinar o modelo = treino_modelo.py

-criar ambiente ==> virtualenv -p python3 environment

-ativar ambiente==> source environment/bin/activate

-desativar ambiente==> deactivate

-instalar requirements==> pip install -r requirements.txt

-resolver erro do sklearn ==> pip install -U scikit-learn

-rodar arquivo da API ==> python main.py

-rodar arquivo do consumo API via requests ==> python request.py

* como usar

`url da api` url = 'http://127.0.0.1:8000/cotacao/'

`# dicionario enviado para a api`

dados = {

    "tamanho":120,

    "ano":2001,

    "garagem":2

}