python from fastapi import FastAPI from pydantic import BaseModel import joblib

app = FastAPI()

Определяем модель данных для входящего запроса

class CreditRequest(BaseModel): income: float age: int loan_amount: float

Загружаем обученную ML-модель (предположим, что она сохранена в файле model.pkl)

model = joblib.load('model.pkl')

@app.post('/predict') def predict_credit(data: CreditRequest): # Формируем входные данные для модели features = [[data.income, data.age, data.loan_amount]] # Получаем предсказание (например, 0 - отказ, 1 - одобрение) prediction = model.predict(features)[0] # Возвращаем результат return {'approved': bool(prediction)}

Этот сервис принимает POST-запрос с JSON телом, содержащим доход, возраст и размер кредита, и возвращает JSON с результатом предсказания одобрения кредита.

Для запуска сервиса используйте:

```bash
uvicorn your_script_name:app --reload

Где your_script_name — имя файла с кодом без расширения .py.