根据数据训练模型。现在我需要创建一个根据输入数据进行预测的服务，即我输入数据 - 它会给我结果。您如何通过这个模型传递新数据？
数据
行代表患者，列代表属性。
各属性说明：
| 属性 | 解码 |
|---|---|
| ID | 唯一的患者标识符 |
| 性别 | 患者性别：“Male”- 男性，“Female”- 女性，“Other”- 其他 |
| 年龄 | 患者年龄 |
| 高血压 | 高血压：0 - 无高血压，1 - 高血压 |
| 心脏病 | 心脏病：0 - 无疾病，1 - 疾病 |
| 曾经结婚过 | 患者已婚：“否”——未婚，“是”——已婚 |
| 工作类型 | 工作类型：“私人”- 私人雇员，“自营职业”- 自雇人士，“政府工作”- 政府工作，“儿童”- 儿童（不工作），“从未工作过”- 从未工作过 |
| 居住类型 | 住宿类型：“Rural”- 农村，“Urban”- 城市 |
| 平均葡萄糖水平 | 平均血糖水平 |
| 体重指数 | 体重指数 |
| 吸烟状态 | 吸烟状况：“以前吸烟” - 以前吸烟，“从不吸烟” - 从未吸烟，“吸烟” - 吸烟，“未知” - 没有信息 |
| 中风 | 行程：0 - 无行程，1 - 行程 |
from catboost import CatBoostClassifier
# Разделение данных на обучающую и тестовую выборки
X_train, X_test, y_train, y_test = train_test_split(X_resampled,y_resampled, test_size=0.3, random_state=42)
# Создание и обучение модели CatBoost
catboost_model_first = CatBoostClassifier(random_state=42, iterations=10000, learning_rate=0.1, depth=6, verbose=0)
catboost_model_first.fit(X_train, y_train)
# Предсказания на тестовой выборке
y_pred_test_catboost = catboost_model_first.predict(X_test)
# Предсказания на обучающей выборке
y_pred_train_catboost = catboost_model_first.predict(X_train)
# Вывод метрик для тестовой выборки
print("Тестовая выборка (CatBoost):")
print(classification_report(y_test, y_pred_test_catboost), 'roc_auc', roc_auc_score(y_test, y_pred_test_catboost))
ConfusionMatrixDisplay(confusion_matrix(y_test, y_pred_test_catboost), display_labels=['No Stroke', 'Stroke']).plot()
# Вывод метрик для обучающей выборки
print("Обучающая выборка (CatBoost):")
print(classification_report(y_train, y_pred_train_catboost), 'roc_auc', roc_auc_score(y_train, y_pred_train_catboost))
ConfusionMatrixDisplay(confusion_matrix(y_train, y_pred_train_catboost), display_labels=['No Stroke', 'Stroke']).plot()
如果突然需要整台笔记本电脑
https://colab.research.google.com/drive/1a4lm8UZFLZFrRMWuqoJ3qzbXf6Bkl-cy?usp=sharing
您必须准备好数据准备管道。
Label encoding以及您在那里使用的其他东西（如果您使用它们，CatBoost很多东西开箱即用，无需准备即可直接工作）。下一个：在服务上（例如，网络、通过
Flask或FastAPI或其他方式）：JSON，一个漂亮的网页，一封电子邮件，保存到数据库，等等）