Tout ce qu'il faut pour utiliser l'endpoint de prédiction
Prédit le prix journalier de location à partir des caractéristiques du véhicule.
JSON avec une clé input contenant une liste de listes. Chaque sous-liste = 1 véhicule (13 features) :
| # | Feature | Type | Exemple |
|---|---|---|---|
| 0 | model_key | string | Renault |
| 1 | mileage | int | 140 000 |
| 2 | engine_power | int | 135 |
| 3 | fuel | string | diesel |
| 4 | paint_color | string | black |
| 5 | car_type | string | sedan |
| 6 | private_parking_available | bool | true |
| 7 | has_gps | bool | true |
| 8 | has_air_conditioning | bool | false |
| 9 | automatic_car | bool | false |
| 10 | has_getaround_connect | bool | true |
| 11 | has_speed_regulator | bool | true |
| 12 | winter_tires | bool | true |
curl -X POST "https://athanormark-getaround-pricing-api.hf.space/predict" \
-H "Content-Type: application/json" \
-d '{"input": [["Renault", 140000, 135, "diesel", "black", "sedan", true, true, false, false, true, true, true]]}'
import requests
response = requests.post(
"https://athanormark-getaround-pricing-api.hf.space/predict",
json={"input": [["Renault", 140000, 135, "diesel", "black",
"sedan", True, True, False, False, True, True, True]]}
)
print(response.json()) # {"prediction": [139.12]}
JSON avec une clé prediction contenant la liste des prix prédits (EUR/jour) :
{"prediction": [139.12]}
Gradient Boosting Regressor (scikit-learn) — 200 estimators, depth 5 — entraîné sur 4 843 véhicules.