
作者: 俊欣
來(lái)源:關(guān)于數(shù)據(jù)分析與可視化
對(duì)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(guò)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(jiǎn)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(guò)這兩個(gè)特征來(lái)預(yù)測(cè)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(cè)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(jiǎn)單的建立了一個(gè)樸素貝葉斯的二分類模型。接下來(lái)我們將建立好的模型保存下來(lái)
import joblib
joblib.dump(clf, "clf.pkl")
前端頁(yè)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(lái)我們來(lái)寫后端的邏輯代碼,當(dāng)前端傳過(guò)來(lái)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(lái)調(diào)用已經(jīng)訓(xùn)練好的模型并且做出預(yù)測(cè),然后顯示在前端的頁(yè)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(qǐng)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(cè)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?cè)囍斎胍恍┥砀吲c體重的值,看一下返回的結(jié)果,效果如下
下面我們來(lái)看一下將模型部署在Streamlit框架下該如何來(lái)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(cè)出來(lái)的值 prediction = clf.predict(X)[0] # 返回預(yù)測(cè)的值 st.text(f"This instance is a {prediction}")
最后生成的頁(yè)面如下
我們?cè)诮K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(lái)的結(jié)果是什么樣的,如下
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
LSTM 模型輸入長(zhǎng)度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長(zhǎng)序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報(bào)考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計(jì)的實(shí)用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強(qiáng)大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠(chéng)摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實(shí)施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價(jià)值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡(jiǎn)稱 BI)深度融合的時(shí)代,BI ...
2025-07-10SQL 在預(yù)測(cè)分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢(shì)預(yù)判? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代,預(yù)測(cè)分析作為挖掘數(shù)據(jù)潛在價(jià)值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價(jià)值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點(diǎn),而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報(bào)考到取證的全攻略? 在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭(zhēng)搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢(shì)性檢驗(yàn):捕捉數(shù)據(jù)背后的時(shí)間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢(shì)性檢驗(yàn)如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時(shí)間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時(shí)間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實(shí)戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗(yàn):數(shù)據(jù)趨勢(shì)與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢(shì)變化以及識(shí)別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認(rèn)證作為國(guó)內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對(duì)策略? 長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨(dú)特的門控機(jī)制,在 ...
2025-07-07統(tǒng)計(jì)學(xué)方法在市場(chǎng)調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場(chǎng)調(diào)研是企業(yè)洞察市場(chǎng)動(dòng)態(tài)、了解消費(fèi)者需求的重要途徑,而統(tǒng)計(jì)學(xué)方法則是市場(chǎng)調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當(dāng)下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動(dòng)力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準(zhǔn)確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動(dòng)力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價(jià)值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03