Initial commit: добавление проекта predictV1

Включает модели ML для предсказаний, API маршруты, скрипты обучения и данные.

Co-Authored-By: Claude Sonnet 4.5 <noreply@anthropic.com>

routes/predict_bag_of_heroes.py

@@ -0,0 +1,85 @@
+from catboost import CatBoostClassifier
+import pandas as pd
+import numpy as np
+from typing import Dict, Any
+
+# Загрузка модели
+modelBagOfHeroes = CatBoostClassifier()
+modelBagOfHeroes.load_model("artifacts/model_bag_of_heroes.cbm")
+
+# Загрузка порядка фич
+def load_feature_order(path: str) -> list[str]:
+    fo = pd.read_csv(path)
+    first_col = fo.columns[0]
+    return fo[first_col].tolist()
+
+FEATURE_ORDER_BAG: list[str] = load_feature_order("artifacts/feature_order_bag_of_heroes.csv")
+
+def build_bag_of_heroes_features(payload: Dict[str, Any]) -> pd.DataFrame:
+    """
+    Конвертирует payload в bag-of-heroes формат.
+
+    payload содержит:
+    - is_first_pick_radiant
+    - r_h1, r_h2, r_h3, r_h4, r_h5
+    - d_h1, d_h2, d_h3, d_h4, d_h5
+
+    Возвращает DataFrame с колонками:
+    - is_first_pick_radiant
+    - radiant_hero_{1-145}
+    - dire_hero_{1-145}
+    """
+    # Получаем героев из payload
+    radiant_heroes = []
+    dire_heroes = []
+
+    for i in range(1, 6):
+        r_hero = payload.get(f"r_h{i}", -1)
+        d_hero = payload.get(f"d_h{i}", -1)
+
+        if r_hero and r_hero != -1:
+            radiant_heroes.append(int(r_hero))
+        if d_hero and d_hero != -1:
+            dire_heroes.append(int(d_hero))
+
+    # Создаем словарь признаков
+    features = {feat: 0 for feat in FEATURE_ORDER_BAG}
+
+    # Устанавливаем is_first_pick_radiant
+    features["is_first_pick_radiant"] = int(payload.get("is_first_pick_radiant", 0))
+
+    # Устанавливаем бинарные признаки для героев Radiant
+    for hero_id in radiant_heroes:
+        feat_name = f"radiant_hero_{hero_id}"
+        if feat_name in features:
+            features[feat_name] = 1
+
+    # Устанавливаем бинарные признаки для героев Dire
+    for hero_id in dire_heroes:
+        feat_name = f"dire_hero_{hero_id}"
+        if feat_name in features:
+            features[feat_name] = 1
+
+    # Создаем DataFrame с правильным порядком колонок
+    return pd.DataFrame([features], columns=FEATURE_ORDER_BAG)
+
+def predict_bag_of_heroes(payload: Dict[str, Any]) -> Dict[str, float]:
+    """
+    Делает предсказание с использованием bag-of-heroes модели.
+
+    Возвращает:
+    {
+        "radiant_win": вероятность победы Radiant (0-100),
+        "dire_win": вероятность победы Dire (0-100)
+    }
+    """
+    X = build_bag_of_heroes_features(payload)
+    proba = modelBagOfHeroes.predict_proba(X)[0, 1]
+
+    radiant_win = round(float(np.clip(proba * 100.0, 0.0, 100.0)))
+    dire_win = 100.0 - radiant_win
+
+    return {
+        "radiant_win": radiant_win,
+        "dire_win": dire_win
+    }