FastAPIを使った機械学習APIの構築

このチュートリアルでは、機械学習モデルを提供するAPI を作成し、クライアントがデータを送信してリアルタイムで予測を取得できるようにする方法を学びます。🚀

1. 環境のセットアップ

最初に、Pythonがインストールされていることを確認してください。仮想環境を作成し、必要なライブラリをインストールします。

仮想環境を作成して有効化する
python -m venv venv
source venv/bin/activate # Windows の場合は venv\Scripts\activate

必要ないライブラリをインストール
pip install fastapi uvicorn scikit-learn

2. 機械学習モデルのトレーニング

このチュートリアルでは、Irisデータセット を使用し、ランダムフォレスト分類器をトレーニングします。

このスクリプトを実行して、モデルをトレーニングし、保存してください。

3. FastAPIを使用したAPIの作成

トレーニング済みのモデルを利用して、予測API を作成します。

4. APIの起動

APIを起動するには、次のコマンドを実行します。
uvicorn api:app --reload

このAPIは http://127.0.0.1:8000 で動作し、/predict/ エンドポイントを通じてリクエストを受け付けます。

5. APIのテスト

ツールを使用してAPIをテストできます。例えば、httpie を使ってリクエストを送信します。

予測結果の例：

6. まとめ

このチュートリアルでは、FastAPIを使って機械学習モデルを提供するAPI を作成しました。これにより、モデルの予測を簡単にWebサービスとして公開できます。🎯

この手法を応用すれば、より高度な予測APIを開発し、実際のビジネスアプリケーションに組み込むことができます。