TP3 Parties 2-4 : API REST FastAPI (health, predict, batch, erreurs 404)

lab/serving/features.py

@@ -0,0 +1,66 @@
+"""Recuperation des features de prediction.
+
+Dans un systeme reel, ces valeurs proviendraient d'un feature store / d'une base
+alimentee par le pipeline de calcul de features (lags, moyennes glissantes) sur
+l'historique de consommation. On separe volontairement cette etape du calcul de la
+prediction : la source des features peut changer sans toucher au modele.
+
+Ici on SIMULE cette recuperation par un simple dictionnaire Python, comme demande
+par l'enonce. Les valeurs sont des observations reelles (derniere ligne connue de
+quelques clients dans data/test.parquet).
+"""
+
+from .. import constants
+
+
+class UnknownClientError(KeyError):
+    """Aucune feature disponible pour ce client (identifiant inconnu)."""
+
+
+# feature store simule : client_id -> {feature: valeur}
+FEATURE_STORE: dict[str, dict[str, float]] = {
+    "MT_124": {
+        "lag_1d": 107.656,
+        "lag_7d": 25.120,
+        "lag_30d": 70.574,
+        "lag_365d": 25.120,
+        "rolling_mean_7d": 65.870,
+        "rolling_mean_30d": 71.310,
+    },
+    "MT_156": {
+        "lag_1d": 13.149,
+        "lag_7d": 13.929,
+        "lag_30d": 21.577,
+        "lag_365d": 8.935,
+        "rolling_mean_7d": 16.648,
+        "rolling_mean_30d": 19.720,
+    },
+    "MT_158": {
+        "lag_1d": 30.739,
+        "lag_7d": 16.608,
+        "lag_30d": 34.094,
+        "lag_365d": 6.574,
+        "rolling_mean_7d": 19.067,
+        "rolling_mean_30d": 21.486,
+    },
+    "MT_159": {
+        "lag_1d": 23.305,
+        "lag_7d": 24.741,
+        "lag_30d": 21.386,
+        "lag_365d": 5.333,
+        "rolling_mean_7d": 11.707,
+        "rolling_mean_30d": 13.619,
+    },
+}
+
+
+def get_features(client_id: str) -> dict[str, float]:
+    """Renvoyer les features du client, ordonnees comme a l'entrainement du modele.
+
+    Leve UnknownClientError si le client est inconnu.
+    """
+    if client_id not in FEATURE_STORE:
+        raise UnknownClientError(client_id)
+    raw = FEATURE_STORE[client_id]
+    # On respecte l'ordre des colonnes attendu par le modele (SERVING_FEATURES).
+    return {feature: raw[feature] for feature in constants.SERVING_FEATURES}