/Model-Deployment

Primary LanguagePython

🎈 🎉 Model Deployment 🎊 🎈 📚

  • Pada Repository ini, terdiri dari code dan dataset untuk melakukan Model Deployment di Python Anywhere dan Tes di Postman.
  • Deployment kali ini menggunakan web framework Flask. âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–

Contents

âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–

  • Code dan Dataset
  • Penjelasan Feature
  • Membuat model dy sublime text
  • Membuat Pickle file di anaconda prompt
  • Deployment Model di PythonAnywhere
  • Testing di Postman
  • Interpretasi

âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–

Code dan Dataset

âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–

  • Data terdiri dari training dan testing untuk membuat model dan input_data.txt.
  • Untuk Case ini, Data yang digunakan adalah german credit dan tujuan dari pemodelan ini adalah untuk menentukan Credit Scoring apakah seorang kreditur layak menerima kredit dari bank atau tidak.
  • Model yang paling optimal yang saya gunakan adalah random forest
  • Code terdiri dari model.py, request.py, dan server.py

Penjelasan Feature

âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–

  • Deskripsi features di dataset:
    1. ID = nomor urut pelanggan
    2. LIMIT_BAL = Batas maksimal kredit
    3. Marriage = status pernikahan (1,2,3)
    4. education = status pendidikan (1,2,3,4)
    5. Sex = jenis kelamin (1,2)
    6. Age = umur
    7. Pay = pembayaran telat atau tidak di bulan 1,2,3
    8. bill amt = jumlah tagihan bulan 1,2,3
    9. pay amt = jumlah bayar bulan 1,2,3
    10. target = terlambat atau tidak

Membuat model di sublime text

âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–

  • Langkah pertama adalah membuat model python menggunakan text editor, pada kesempatan kali ini saya menggunakan Sublime Text.
  • Untuk detail codenya bisa dilihat pada file model.py.
  • Model.py ini lalu kita dump ke dalam format pickle atau .pkl agar bisa masuk ke dalam produksi.

Membuat pickle file

âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–

  • Lalu setelah itu model.py bisa dijalankan di anaconda prompt dengan cara berikut ini:
    1. g: --> karena file model.py ada di drive G
    2. cd G:\Bootcamp\Materi\21. Deployment\credit-scoring\code --> letak file model.py saya.
    3. lalu ketik python model.py
    4. file .pkl akan terbentuk di folder yang sama

Deployment Model di PythonAnywhere

âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–

  • Langkah selanjutnya membuat server di pythonanywhere.
  • Jika belum punya akun maka sign up terlebih dahulu.
  • Di tab web, klik add new web app.
    1. lalu di halaman yang muncul pilih flask, lalu pilih versi python dan klik ok.
  • Selanjutnya Di bagian console, klik yang bash lalu install beberapa packages yang akan digunakan. Contohnya adalah pip install --user flask_cors numpy pandas
  • Lalu klik di bagian files dan klik mysite dan upload file kita yang sudah berbentuk .pkl.
  • Setelah itu edit file flask_app.py dan ganti sesuai dengan yang ada di file server.py.
    1. Lebih jelasnya bisa dilihat disini https://www.pythonanywhere.com/user/adiptamartulandi/shares/e346c706fd4b471e8f779ea364963ec8/
  • Lalu kembali ke bagian tab web dan reload.
  • Lalu endpoints API kita sudah ada yaitu username.pythonanywhere.com/api

Testing Model di Postman

âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–

  • Buka software postman.
  • Pada kiri pojok atas klik New untuk membuat request baru dan pilih command POST.
  • Di bagian header, pada bagian key pilih Content-type dan pada bagian value pilih application/json.
  • Pada bagian request url masukan url endpoints API kita yaitu pada case ini adalah adiptamartulandi.pythonanywhere.com/api
  • Lalu untuk memasukan data pilih tab Body, pilih raw dan pilih jenis datanya adalah JSON.
  • Masukan data sesuai yang ada di input_data.txt di folder data.
    1. Jangan lupa format data harus json.
    2. data yang ada di input_data.txt formatnya sudah seperti json.
  • Lalu klik Send!
  • Hasilnya akan muncul!

Interpretasi Hasil

âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–âž–

  • Ketika hasil menunjukan 'Tidak Lolos Scoring' Maka orang tersebut memiliki kecendurungan untuk tidak bisa membayar kredit jadi tidak diberi kredit oleh kreditur.
  • Ketika hasil menunjukan 'Lolos Credit Scoring' Maka orang tersebut mampu membayar credit sehingga bisa diberi kredit oleh kreditur.