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_stacking.py

@@ -0,0 +1,53 @@
+import pandas as pd
+import numpy as np
+import pickle
+from typing import Dict, Any
+from routes.predict import build_long_format_input, modelPro
+from routes.predict_bag_of_heroes import build_bag_of_heroes_features, modelBagOfHeroes
+from routes.predict_with_players import build_player_features, modelWithPlayers
+
+# Загрузка мета-модели (Logistic Regression)
+with open("artifacts/model_stacking.pkl", 'rb') as f:
+    modelStacking = pickle.load(f)
+
+def predict_stacking(payload: Dict[str, Any]) -> Dict[str, float]:
+    """
+    Делает предсказание с использованием стекинг-модели.
+
+    Сначала получает предсказания от всех базовых моделей,
+    затем использует их как признаки для мета-модели.
+
+    Возвращает:
+    {
+        "radiant_win": вероятность победы Radiant (0-100),
+        "dire_win": вероятность победы Dire (0-100)
+    }
+    """
+    # === Предсказание модели 1: Heroes + Positions ===
+    X_with_pos = build_long_format_input(payload)
+    pred1 = float(modelPro.predict_proba(X_with_pos)[0, 1])
+
+    # === Предсказание модели 2: Bag of Heroes ===
+    X_bag = build_bag_of_heroes_features(payload)
+    pred2 = float(modelBagOfHeroes.predict_proba(X_bag)[0, 1])
+
+    # === Предсказание модели 3: With Players ===
+    X_players = build_player_features(payload)
+    pred3 = float(modelWithPlayers.predict_proba(X_players)[0, 1])
+
+    # === Мета-модель ===
+    X_meta = pd.DataFrame([{
+        "pred_with_positions": pred1,
+        "pred_bag_of_heroes": pred2,
+        "pred_with_players": pred3
+    }])
+
+    proba = modelStacking.predict_proba(X_meta)[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
+    }