
作者: 俊欣
來源:關(guān)于數(shù)據(jù)分析與可視化
對于機(jī)器學(xué)習(xí)愛好者而言,很多時(shí)候我們需要將建好的模型部署在線上,實(shí)現(xiàn)前后端的交互,今天小編就通過Flask以及Streamlit這兩個(gè)框架實(shí)現(xiàn)機(jī)器學(xué)習(xí)模型的前后端交互。
首先是模型的建立,小編這回為了省事兒建立一個(gè)非常簡單的二分法模型,所引用的數(shù)據(jù)集如下所示
import pandas as pd
df = pd.read_csv("data.csv")
df.head()
output
Height Weight Species 0 88.9 48.3 Dog 1 90.2 47.4 Dog 2 82.7 44.8 Dog 3 81.4 48.2 Dog 4 83.5 39.9 Dog
所涉及到的特征也就兩列分別是“Hight”以及“Weight”也就是身高和體重,我們需要通過這兩個(gè)特征來預(yù)測它到底是“貓”還是“狗”,代碼如下
X = df[["Height", "Weight"]] y = df["Species"]
clf = GaussianNB()
clf.fit(X, y)
當(dāng)然小編為了省事兒這里并沒有進(jìn)行訓(xùn)練集和測試集的區(qū)分,也沒有進(jìn)行任何的調(diào)參以及模型的優(yōu)化,只是簡單的建立了一個(gè)樸素貝葉斯的二分類模型。接下來我們將建立好的模型保存下來
import joblib
joblib.dump(clf, "clf.pkl")
前端頁面主要是由一系列的HTML代碼寫成的,代碼如下
<!DOCTYPE html> <html> <head> <title>Your Machine Learning App</title> </head> <body> <form name="form", method="POST", style="text-align: center;"> <br> Height: <input type="number" name="height", placeholder="Enter height in cm" required/> <br><br> Weight: <input type="number" name="weight", placeholder="Enter weight in kg" required/> <br><br> <button value="Submit">Run</button> </form> <p style="text-align: center;">{{ output }}</p> </body> </html>
輸出結(jié)果如下:
我們可以看到有兩個(gè)輸入框分別代表的是身高與體重,以及運(yùn)行的按鈕鍵。接下來我們來寫后端的邏輯代碼,當(dāng)前端傳過來數(shù)據(jù)的時(shí)候,也就是身高與體重的數(shù)據(jù)的時(shí)候,后端的代碼來調(diào)用已經(jīng)訓(xùn)練好的模型并且做出預(yù)測,然后顯示在前端的頁面上。在Flask框架中后端的業(yè)務(wù)代碼大致如下
from flask import Flask, request, render_template import pandas as pd import joblib # 聲明是一個(gè)Flask應(yīng)用 app = Flask(__name__) # 主要業(yè)務(wù)邏輯 # ------------------ # 運(yùn)行整體的應(yīng)用 if __name__ == '__main__':
app.run(debug = True)
那么在本篇文章的項(xiàng)目背景下,代碼如下
@app.route('/', methods=['GET', 'POST']) def main(): # 表單數(shù)據(jù)提交,POST請求 if request.method == "POST": # 調(diào)用已經(jīng)訓(xùn)練好的模型 clf = joblib.load("clf.pkl") # 從輸入框中獲取身高與體重?cái)?shù)據(jù) height = request.form.get("height")
weight = request.form.get("weight") # 轉(zhuǎn)變成DataFrame格式 X = pd.DataFrame([[height, weight]], columns = ["Height", "Weight"]) # 獲取預(yù)測值 prediction = clf.predict(X)[0] else: prediction = "" return render_template("website.html", output = prediction)
然后我們運(yùn)行整個(gè)腳本,效果如下
我們試著輸入一些身高與體重的值,看一下返回的結(jié)果,效果如下
下面我們來看一下將模型部署在Streamlit框架下該如何來操作。在Streamlit框架中沒有特別明顯的前后端代碼的分離,代碼如下
import streamlit as st import pandas as pd import joblib # 標(biāo)題 st.header("Streamlit Machine Learning App") # 輸入框 height = st.number_input("Enter Height")
weight = st.number_input("Enter Weight") # 點(diǎn)擊提交按鈕 if st.button("Submit"): # 引入訓(xùn)練好的模型 clf = joblib.load("clf.pkl") # 轉(zhuǎn)換成DataFrame格式的數(shù)據(jù) X = pd.DataFrame([[height, weight]],
columns=["Height", "Weight"]) # 獲取預(yù)測出來的值 prediction = clf.predict(X)[0] # 返回預(yù)測的值 st.text(f"This instance is a {prediction}")
最后生成的頁面如下
我們在終端中運(yùn)行以下命令
streamlit run streamlit_model.py
最后我嘗試在輸入框中填入一些虛構(gòu)的數(shù)字,看一下出來的結(jié)果是什么樣的,如下
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10