aleyckin/price-builder-backend
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

Predicted progress! From "very bad" to just "bad".

Browse Source
This commit is contained in:
Артём Алейкин 2024-10-30 01:16:58 +04:00
parent 65dfaec1a5
commit c6ad3a213a
5 changed files with 123 additions and 132 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

8
controllers/controller.py
View File

@ -6,9 +6,11 @@ import os
router = APIRouter() router = APIRouter()
# Инициализация сервиса # Инициализация сервиса
MODEL_PATH = os.getenv("MODEL_PATH", "services/laptop_price_model.pkl") MODEL_PATH = os.getenv("MODEL_PATH", "services/ml/laptop_price_model.pkl")
FEATURE_COLUMNS_PATH = os.getenv("FEATURE_COLUMNS_PATH", "services/feature_columns.pkl") FEATURE_COLUMNS_PATH = os.getenv("FEATURE_COLUMNS_PATH", "services/ml/feature_columns.pkl")
laptop_service = LaptopService(model_path=MODEL_PATH, feature_columns_path=FEATURE_COLUMNS_PATH) POLY_PATH = os.getenv("POLY_PATH", "services/ml/poly_transformer.pkl")
SCALER_PATH = os.getenv("SCALER_PATH", "services/ml/scaler.pkl")
laptop_service = LaptopService(model_path=MODEL_PATH, feature_columns_path=FEATURE_COLUMNS_PATH, poly_path=POLY_PATH, scaler_path=SCALER_PATH)
@router.post("/predict_price/", response_model=PredictPriceResponse, summary="Predict laptop price", description="Predict the price of a laptop based on its specifications.", response_description="The predicted price of the laptop.") @router.post("/predict_price/", response_model=PredictPriceResponse, summary="Predict laptop price", description="Predict the price of a laptop based on its specifications.", response_description="The predicted price of the laptop.")
def predict_price(data: LaptopCreate): def predict_price(data: LaptopCreate):

10
main.py
View File

@ -1,7 +1,17 @@
from fastapi import FastAPI from fastapi import FastAPI
from fastapi.middleware.cors import CORSMiddleware
from controllers import controller from controllers import controller
app = FastAPI() app = FastAPI()
# Настройка CORS
app.add_middleware(
CORSMiddleware,
allow_origins=["*"], # Замените на список допустимых доменов, например: ["http://localhost:8080"]
allow_credentials=True,
allow_methods=["*"], # Разрешить все методы (GET, POST, PUT и т.д.)
allow_headers=["*"], # Разрешить все заголовки
)
# Подключение маршрутов # Подключение маршрутов
app.include_router(controller.router) app.include_router(controller.router)

96
services/ml/generate_synthetic_data.py
View File

@ -74,81 +74,55 @@ def generate_release_year():
def calculate_price(brand, processor, ram, os, ssd, display, gpu, weight, battery_size, release_year, display_type): def calculate_price(brand, processor, ram, os, ssd, display, gpu, weight, battery_size, release_year, display_type):
base_price = 30000 # базовая цена в условных единицах base_price = 30000 # базовая цена в условных единицах
# Добавление стоимости в зависимости от бренда # Бренд
brand_premium = { brand_premium = {
'Apple': 40000, 'Apple': 40000, 'MSI': 35000, 'Dell': 15000, 'HP': 12000, 'Lenovo': 10000,
'MSI': 35000, 'Microsoft': 18000, 'Asus': 8000, 'Acer': 7000, 'Samsung': 9000, 'Toshiba': 8500
'Dell': 15000,
'HP': 12000,
'Lenovo': 10000,
'Microsoft': 18000,
'Asus': 8000,
'Acer': 7000,
'Samsung': 9000,
'Toshiba': 8500
} }
base_price += brand_premium.get(brand, 10000) # дефолтный премиум base_price += brand_premium.get(brand, 10000)
# Добавление стоимости в зависимости от процессора # Процессор
if 'i3' in processor or 'Ryzen 3' in processor: processor_premium = {
base_price += 5000 'Intel Core i3': 5000, 'Intel Core i5': 10000, 'Intel Core i7': 15000,
elif 'i5' in processor or 'Ryzen 5' in processor: 'AMD Ryzen 3': 5000, 'AMD Ryzen 5': 10000, 'AMD Ryzen 7': 15000
base_price += 10000
elif 'i7' in processor or 'Ryzen 7' in processor:
base_price += 15000
# Добавление стоимости за RAM
base_price += ram * 2000 # 2000 условных единиц за каждый GB RAM
# Добавление стоимости за ОС
if os == 'Windows 11':
base_price += 5000
elif os == 'macOS':
base_price += 15000
elif os == 'Linux':
base_price += 3000
# Windows 10 считается стандартной и не добавляет стоимости
# Добавление стоимости за SSD
if ssd > 0:
base_price += ssd * 100 # 100 условных единиц за каждый GB SSD
# Добавление стоимости за размер дисплея
base_price += (display - 13) * 5000 # 5000 условных единиц за каждый дюйм больше 13"
# Добавление стоимости за тип дисплея
display_type_premium = {
'HD': 0,
'Full HD': 5000,
'4K': 15000,
'OLED': 20000
} }
for key, value in processor_premium.items():
if key in processor:
base_price += value
break
# RAM - уменьшаем его коэффициент
base_price += ram * 1000
# SSD - также уменьшаем его коэффициент
base_price += ssd * 50
# Дисплей
base_price += (display - 13) * 5000
# Тип дисплея
display_type_premium = {'HD': 0, 'Full HD': 12000, '4K': 30000, 'OLED': 35000}
base_price += display_type_premium.get(display_type, 0) base_price += display_type_premium.get(display_type, 0)
# Добавление стоимости за GPU # GPU
gpu_premium = { gpu_premium = {'Integrated': 0, 'NVIDIA GeForce GTX 1650': 25000, 'NVIDIA GeForce RTX 3060': 40000, 'AMD Radeon RX 5600M': 35000}
'Integrated': 0,
'NVIDIA GeForce GTX 1650': 15000,
'NVIDIA GeForce RTX 3060': 25000,
'AMD Radeon RX 5600M': 20000
}
base_price += gpu_premium.get(gpu, 0) base_price += gpu_premium.get(gpu, 0)
# Добавление стоимости за вес (легкие ноутбуки дороже) # Вес
base_price += (3.0 - weight) * 5000 # Чем легче, тем дороже base_price += (3.0 - weight) * 8000 # Чем легче, тем дороже
# Добавление стоимости за размер батареи # Батарея
base_price += battery_size * 100 # 100 условных единиц за каждый Вт⋅ч батареи base_price += battery_size * 250
# Добавление стоимости за год выпуска (новые модели дороже) # Год выпуска
current_year = datetime.now().year current_year = datetime.now().year
base_price += (current_year - release_year) * 2000 # 2000 условных единиц за каждый год назад base_price += (current_year - release_year) * 5000
# Добавление случайного шума для реалистичности # Добавление случайного шума
noise = np.random.normal(0, 5000) # среднее 0, стандартное отклонение 5000 noise = np.random.normal(0, 5000) # Шум для увеличения разброса
final_price = base_price + noise final_price = base_price + noise
return max(round(final_price, 2), 5000) # минимальная цена 5000 условных единиц return max(round(final_price, 2), 5000)
# Функция для генерации синтетических данных # Функция для генерации синтетических данных

119
services/ml/modelBuilder.py
View File

@ -1,23 +1,17 @@
import pandas as pd import pandas as pd
from sklearn.model_selection import train_test_split from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.ensemble import RandomForestRegressor, GradientBoostingRegressor from sklearn.ensemble import RandomForestRegressor
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_absolute_error, mean_squared_error, r2_score from sklearn.metrics import mean_absolute_error, mean_squared_error, r2_score
from sklearn.preprocessing import PolynomialFeatures, StandardScaler
import matplotlib.pyplot as plt import matplotlib.pyplot as plt
import joblib import joblib
import numpy as np import numpy as np
# Шаг 1: Загрузка данных # Шаг 1: Загрузка данных
df = pd.read_csv('../../datasets/synthetic_laptops.csv') # Убедитесь, что путь к файлу правильный df = pd.read_csv('../../datasets/synthetic_laptops.csv')
# Шаг 2: Проверка и очистка имен столбцов # Шаг 2: Проверка и очистка имен столбцов
print("Имена столбцов до очистки:")
print(df.columns.tolist())
# Приведение имен столбцов к нижнему регистру и удаление пробелов
df.columns = df.columns.str.strip().str.lower() df.columns = df.columns.str.strip().str.lower()
print("\nИмена столбцов после очистки:")
print(df.columns.tolist())
# Шаг 3: Проверка наличия необходимых столбцов # Шаг 3: Проверка наличия необходимых столбцов
required_columns = [ required_columns = [
@ -25,20 +19,13 @@ required_columns = [
'gpu', 'weight', 'battery_size', 'release_year', 'display_type', 'price' 'gpu', 'weight', 'battery_size', 'release_year', 'display_type', 'price'
] ]
missing_columns = [col for col in required_columns if col not in df.columns] missing_columns = [col for col in required_columns if col not in df.columns]
if missing_columns: if missing_columns:
print(f"\nОтсутствуют следующие столбцы: {missing_columns}")
raise Exception(f"Отсутствуют столбцы: {missing_columns}") raise Exception(f"Отсутствуют столбцы: {missing_columns}")
else:
print("\nВсе необходимые столбцы присутствуют.")
# Шаг 4: Удаление строк с пропущенными значениями # Шаг 4: Удаление строк с пропущенными значениями
df = df.dropna(subset=required_columns) df = df.dropna(subset=required_columns)
print(f"\nКоличество строк после удаления пропусков: {df.shape[0]}")
# Шаг 5: Очистка и преобразование колонок # Шаг 5: Очистка и преобразование колонок
# Функция для очистки числовых колонок, если они строковые
def clean_numeric_column(column, remove_chars=['₹', ',', ' ']): def clean_numeric_column(column, remove_chars=['₹', ',', ' ']):
if column.dtype == object: if column.dtype == object:
for char in remove_chars: for char in remove_chars:
@ -47,77 +34,81 @@ def clean_numeric_column(column, remove_chars=['₹', ',', ' ']):
else: else:
return column return column
# Очистка числовых колонок (исключая 'price', если уже числовая)
numerical_columns = ['ram', 'ssd', 'display', 'weight', 'battery_size', 'release_year'] numerical_columns = ['ram', 'ssd', 'display', 'weight', 'battery_size', 'release_year']
for col in numerical_columns: for col in numerical_columns:
df[col] = clean_numeric_column(df[col]) df[col] = clean_numeric_column(df[col])
# Проверка на пропущенные значения после очистки
df = df.dropna(subset=['price'] + numerical_columns) df = df.dropna(subset=['price'] + numerical_columns)
print(f"\nКоличество строк после очистки числовых колонок: {df.shape[0]}")
# Шаг 6: Выбор необходимых столбцов (все уже включены) # Шаг 6: Преобразование категориальных переменных с помощью One-Hot Encoding
# df уже содержит все необходимые столбцы
print("\nПример данных после предобработки:")
print(df.head())
# Шаг 7: Преобразование категориальных переменных с помощью One-Hot Encoding
categorical_features = ['brand', 'processor', 'os', 'gpu', 'display_type'] categorical_features = ['brand', 'processor', 'os', 'gpu', 'display_type']
df = pd.get_dummies(df, columns=categorical_features, drop_first=True) df = pd.get_dummies(df, columns=categorical_features, drop_first=True)
print("\nИмена колонок после One-Hot Encoding:")
print(df.columns.tolist())
# Шаг 8: Разделение данных на обучающую и тестовую выборки # Шаг 7: Разделение данных на X и y
X = df.drop('price', axis=1) X = df.drop('price', axis=1)
y = df['price'] y = df['price']
X_train, X_test, y_train, y_test = train_test_split( # Шаг 8: Создание полиномиальных и интерактивных признаков степени 2
X, y, test_size=0.2, random_state=42 poly = PolynomialFeatures(degree=2, interaction_only=True, include_bias=False)
) X_poly = poly.fit_transform(X)
print(f"\nРазмер обучающей выборки: {X_train.shape}") # Шаг 9: Масштабирование признаков
print(f"Размер тестовой выборки: {X_test.shape}") scaler = StandardScaler()
X_poly_scaled = scaler.fit_transform(X_poly)
# Шаг 9: Обучение моделей # Шаг 10: Разделение на обучающую и тестовую выборки
model_rf = RandomForestRegressor(n_estimators=100, random_state=42) X_train, X_test, y_train, y_test = train_test_split(X_poly_scaled, y, test_size=0.5, random_state=42)
model_rf.fit(X_train, y_train)
print("\nМодели успешно обучены.") # Шаг 11: Настройка гиперпараметров с использованием GridSearchCV
param_grid = {
# Шаг 10: Оценка моделей 'n_estimators': [100, 200],
models = { 'max_depth': [10, 20],
'Random Forest': model_rf, 'max_features': ['sqrt', 'log2', 0.5],
'min_samples_split': [5, 10],
'min_samples_leaf': [2, 4]
} }
for name, mdl in models.items(): grid_search = GridSearchCV(RandomForestRegressor(random_state=42), param_grid, cv=3, scoring='neg_mean_absolute_error')
y_pred = mdl.predict(X_test) grid_search.fit(X_train, y_train)
mae = mean_absolute_error(y_test, y_pred)
rmse = mean_squared_error(y_test, y_pred, squared=False)
r2 = r2_score(y_test, y_pred)
print(f"{name} - MAE: {mae}, RMSE: {rmse}, R²: {r2}")
# Шаг 11: Сохранение модели и списка признаков # Лучшая модель
joblib.dump(model_rf, 'laptop_price_model.pkl') best_model = grid_search.best_estimator_
print("\nМодель Random Forest сохранена как 'laptop_price_model.pkl'.")
# Шаг 12: Предсказания и оценка
y_pred = best_model.predict(X_test)
mae = mean_absolute_error(y_test, y_pred)
rmse = mean_squared_error(y_test, y_pred, squared=False)
r2 = r2_score(y_test, y_pred)
print(f"Лучшие параметры: {grid_search.best_params_}")
print(f"Random Forest - MAE: {mae}, RMSE: {rmse}, R²: {r2}")
# Шаг 13: Сохранение модели
feature_columns = X.columns.tolist() feature_columns = X.columns.tolist()
joblib.dump(feature_columns, 'feature_columns.pkl') joblib.dump(feature_columns, 'feature_columns.pkl')
print("Сохранены названия признаков в 'feature_columns.pkl'.") joblib.dump(best_model, 'laptop_price_model.pkl')
joblib.dump(poly, 'poly_transformer.pkl')
joblib.dump(scaler, 'scaler.pkl')
print("Модель, трансформер и скейлер сохранены.")
# Получение важности признаков # Шаг 14: Важность признаков
importances = model_rf.feature_importances_ # Количество признаков, которые нужно отобразить
top_n = 15
# Важность признаков
importances = best_model.feature_importances_
indices = np.argsort(importances)[::-1] indices = np.argsort(importances)[::-1]
# Вывод наиболее важных признаков # Отображаем только топ-N признаков
print("Важность признаков:") top_indices = indices[:top_n]
for f in range(X_train.shape[1]): top_importances = importances[top_indices]
print(f"{f + 1}. {feature_columns[indices[f]]} ({importances[indices[f]]})") top_features = np.array(poly.get_feature_names_out())[top_indices]
# Визуализация важности признаков # Построение графика
plt.figure(figsize=(12, 8)) plt.figure(figsize=(12, 8))
plt.title("Важность признаков (Random Forest)") plt.title(f"Топ-{top_n} признаков по важности (Random Forest)")
plt.bar(range(X_train.shape[1]), importances[indices], align='center') plt.bar(range(top_n), top_importances, align='center')
plt.xticks(range(X_train.shape[1]), [feature_columns[i] for i in indices], rotation=90) plt.xticks(range(top_n), top_features, rotation=45, ha='right')
plt.xlabel("Признаки")
plt.ylabel("Важность")
plt.tight_layout() plt.tight_layout()
plt.show() plt.show()

22
services/service.py
View File

@ -4,7 +4,7 @@ from typing import List, Dict
from schemas.schemas import LaptopCreate, LaptopResponse, PredictPriceResponse from schemas.schemas import LaptopCreate, LaptopResponse, PredictPriceResponse
class LaptopService: class LaptopService:
def __init__(self, model_path: str, feature_columns_path: str): def __init__(self, model_path: str, feature_columns_path: str, poly_path: str, scaler_path: str):
try: try:
self.model = joblib.load(model_path) self.model = joblib.load(model_path)
except FileNotFoundError: except FileNotFoundError:
@ -19,6 +19,14 @@ class LaptopService:
except Exception as e: except Exception as e:
raise Exception(f"Error loading feature columns: {str(e)}") raise Exception(f"Error loading feature columns: {str(e)}")
try:
self.poly_transformer = joblib.load(poly_path)
self.scaler = joblib.load(scaler_path)
except FileNotFoundError:
raise Exception("Polynomial transformer or scaler file not found.")
except Exception as e:
raise Exception(f"Error loading polynomial transformer or scaler: {str(e)}")
def predict_price(self, data: Dict[str, any]) -> PredictPriceResponse: def predict_price(self, data: Dict[str, any]) -> PredictPriceResponse:
# Преобразование данных в DataFrame # Преобразование данных в DataFrame
input_df = pd.DataFrame([data]) input_df = pd.DataFrame([data])
@ -26,15 +34,21 @@ class LaptopService:
# Применение One-Hot Encoding к категориальным признакам # Применение One-Hot Encoding к категориальным признакам
input_df = pd.get_dummies(input_df, columns=['processor', 'os'], drop_first=True) input_df = pd.get_dummies(input_df, columns=['processor', 'os'], drop_first=True)
# Добавление отсутствующих признаков, если они есть # Добавление отсутствующих признаков
for col in self.feature_columns: for col in self.feature_columns:
if col not in input_df.columns and col != 'price': if col not in input_df.columns and col != 'price':
input_df[col] = 0 input_df[col] = 0
# Упорядочивание колонок согласно обучающей выборке # Упорядочивание колонок
input_df = input_df[self.feature_columns] input_df = input_df[self.feature_columns]
# Преобразование с использованием PolynomialFeatures
input_poly = self.poly_transformer.transform(input_df)
# Масштабирование данных
input_scaled = self.scaler.transform(input_poly)
# Предсказание цены # Предсказание цены
predicted_price = self.model.predict(input_df)[0] predicted_price = self.model.predict(input_scaled)[0]
return PredictPriceResponse(predicted_price=round(predicted_price, 2)) return PredictPriceResponse(predicted_price=round(predicted_price, 2))