Predice el precio del combustible en España introduciendo varios parámetros: datos obtenidos desde CNMC Data. La predicción es a nivel provincial.
Basado en un proyecto anterior para un curso.
Por un lado está la página web que una vez introducida la información necesaria, se hace una petición a la API que está en un contenedor de Docker. Se hace la predicción y se devuelve al usuario.
Los modelos han sido ya entrenados y guardados en dos Pickle.
Los modelos y el dataset sin limpiar no están incluidos en este repositorio, pero sí hay un cuaderno de Jupyter (get_clean_train.ipynb en el
directorio src) para obtener tanto los datos como los modelos. Dicho cuaderno también tiene algunos comentarios de qué se está haciendo en cada bloque.
Ahora mismo origins y middleware aceptan cualquier cosa, si se desea se puede cambiar en el archivo api.py dentro del directorio api.
Hay varios bind mounts, esto quiere decir que hay directorios que se comparten entre el contenedor y el host. Para este caso concreto, lo hago así para que sea más fácil editar los archivos desde VSCode con el host. Véase docker-compose.yml.
- Desde el host lanzar todo el archivo get_clean_train.ipynb para obtener los datos, el archivo de provincias.json, el entrenamiento (ahora mismo es un árbol de decisión) y los modelos entrenados (en Pickle).
- Iniciar el contenedor:
docker-compose up --build - Ir a localhost:8080/docs si se quiere probar la API con Swagger.
- Dentro del directorio web, desde CLI arrancar un servidor HTTP:
python -m http.server 8000. Es posible que esto no sea necesario si se usa Live Server. - Ir a localhost:8000 para poder navegar por la web (si no se hace de esta manera no cargará el archivo de provincias.json por culpa del CORS).
- PAI predice el precio del combustible sin impuestos, PVP predice el precio del combustible con impuestos.
- Introducir la fecha, provincia y el tipo de combustible.
- Pasar el directorio web a un contenedor de Docker que esté relacionado con el de la API para poder saltar el paso 4.
- Ordenar mejor los archivos de web: guardar CSS y JS en subdirectorios.