Skip to content

Latest commit

 

History

History
57 lines (46 loc) · 2.12 KB

README.md

File metadata and controls

57 lines (46 loc) · 2.12 KB
Raw

Triage API

Dieses Projekt implementiert ein einfaches Flask API zur Triage von Textanfragen zu Digitec-Produkten basierend auf der Textlänge und der Anzahl Käufer des Produkts.

Verwendung

Das API hat zwei Modi: einen simplen Modus, der eine Klassifizierung anhand einer einfachen Regel zu Textlänge und Anzahl Käufer vornimmt, und einen Modell-basierten Modus, der ein Machine Learning-Modell benutzt, das mit Beispieldaten trainiert wurde. Entsprechend erwartet das API drei Felder:

  1. text_len: die Länge der Textanfrage
  2. buyers: die Anzahl Kunden, die das Produkt bereits gekauft haben
  3. type: der Triage-Modus, der verwendet werden soll (simple oder ml)

Das API benötigt die Dependencies in requirements.txt:

pip install -r requirements.txt

Der Server wird dann wie folgt gestartet:

python api.py linear_regression_model.joblib

ML-Modell

Das ML-Modell wird dem API als Parameter übergeben. Die Datei linear_regression_model.joblib wird im Jupyter notebook ml_triage.ipynb trainiert und erstellt. Ich habe mich hier aus Zeitgründen für ein einfaches Linear Regression-Modell entschieden, auch wenn es für die Daten wohl nicht optimal ist. Das API sollte aber auch ein anderes Modell laden können.

Beispiel-Anfragen:

Daniels-MBP:~ daniel$ curl '127.0.0 .1:5000/api/v1/text-triage?text_len=100&buyers=50&type=simple'
1
Daniels-MBP:~ daniel$ curl '127.0.0 .1:5000/api/v1/text-triage?text_len=50&buyers=10&type=simple'
0
Daniels-MBP:~ daniel$ curl '127.0.0 .1:5000/api/v1/text-triage?text_len=51&buyers=10&type=simple'
1
Daniels-MBP:~ daniel$ curl '127.0.0 .1:5000/api/v1/text-triage?text_len=51&buyers=9&type=simple'
0

Daniels-MBP:~ daniel$ curl '127.0.0 .1:5000/api/v1/text-triage?text_len=150&buyers=50&type=ml'
0.577393
Daniels-MBP:~ daniel$ curl '127.0.0 .1:5000/api/v1/text-triage?text_len=40&buyers=8&type=ml'
0.480895

Dockerfile

Die Teilaufgabe mit dem Dockerfile habe ich als letztes in Angriff genommen. Soweit ich es testen konnte, startet der Flask-Server im Container, jedoch habe ich keine Verbindung von aussen herstellen können.