熱線電話：13121318867

登錄
首頁精彩閱讀Python實現機器學習前后端頁面的交互
Python實現機器學習前后端頁面的交互
2022-04-01
收藏

作者： 俊欣

來源：關于數據分析與可視化

對于機器學習愛好者而言，很多時候我們需要將建好的模型部署在線上，實現前后端的交互，今天小編就通過Flask以及Streamlit這兩個框架實現機器學習模型的前后端交互。

模型的建立

首先是模型的建立，小編這回為了省事兒建立一個非常簡單的二分法模型，所引用的數據集如下所示 

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特征來預測它到底是“貓”還是“狗”，代碼如下 

X = df[["Height", "Weight"]] y = df["Species"]

clf = GaussianNB() 
clf.fit(X, y)

當然小編為了省事兒這里并沒有進行訓練集和測試集的區分，也沒有進行任何的調參以及模型的優化，只是簡單的建立了一個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")

Flask框架

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>

輸出結果如下：

Python實現<a href='/map/jiqixuexi/' style='color:#000;font-size:inherit;'>機器學習</a>前后端頁面的交互

我們可以看到有兩個輸入框分別代表的是身高與體重，以及運行的按鈕鍵。接下來我們來寫后端的邏輯代碼，當前端傳過來數據的時候，也就是身高與體重的數據的時候，后端的代碼來調用已經訓練好的模型并且做出預測，然后顯示在前端的頁面上。在Flask框架中后端的業務代碼大致如下 

from flask import Flask, request, render_template import pandas as pd import joblib # 聲明是一個Flask應用 app = Flask(__name__) # 主要業務邏輯 # ------------------ # 運行整體的應用 if __name__ == '__main__':
    app.run(debug = True)

那么在本篇文章的項目背景下，代碼如下 

@app.route('/', methods=['GET', 'POST']) def main(): # 表單數據提交，POST請求 if request.method == "POST": # 調用已經訓練好的模型 clf = joblib.load("clf.pkl") # 從輸入框中獲取身高與體重數據 height = request.form.get("height")
        weight = request.form.get("weight") # 轉變成DataFrame格式 X = pd.DataFrame([[height, weight]], columns = ["Height", "Weight"]) # 獲取預測值 prediction = clf.predict(X)[0] else: prediction = "" return render_template("website.html", output = prediction)

然后我們運行整個腳本，效果如下

Python實現<a href='/map/jiqixuexi/' style='color:#000;font-size:inherit;'>機器學習</a>前后端頁面的交互

我們試著輸入一些身高與體重的值，看一下返回的結果，效果如下

Python實現<a href='/map/jiqixuexi/' style='color:#000;font-size:inherit;'>機器學習</a>前后端頁面的交互

Streamlit框架

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 # 標題 st.header("Streamlit Machine Learning App") # 輸入框 height = st.number_input("Enter Height")
weight = st.number_input("Enter Weight") # 點擊提交按鈕 if st.button("Submit"): # 引入訓練好的模型 clf = joblib.load("clf.pkl") # 轉換成DataFrame格式的數據 X = pd.DataFrame([[height, weight]],
                     columns=["Height", "Weight"]) # 獲取預測出來的值 prediction = clf.predict(X)[0] # 返回預測的值 st.text(f"This instance is a {prediction}")

最后生成的頁面如下

Python實現<a href='/map/jiqixuexi/' style='color:#000;font-size:inherit;'>機器學習</a>前后端頁面的交互

我們在終端中運行以下命令 

streamlit run streamlit_model.py

最后我嘗試在輸入框中填入一些虛構的數字，看一下出來的結果是什么樣的，如下

Python實現<a href='/map/jiqixuexi/' style='color:#000;font-size:inherit;'>機器學習</a>前后端頁面的交互


CDA數據分析師考試相關入口一覽（建議收藏）：

? 想報名CDA認證考試，點擊>>>   “CDA報名” 了解CDA考試詳情；

? 想學習CDA考試教材，點擊>>> “CDA教材” 了解CDA考試詳情；

? 想加入CDA考試題庫，點擊>>> “CDA題庫” 了解CDA考試詳情；

? 想了解CDA考試含金量，點擊>>> “CDA含金量” 了解CDA考試詳情；

機器學習 DataFrame pandas python 特征 模型部署 樸素貝葉斯 二分類

數據分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

上一篇Python小技巧 | 教你如何用獲取昨天今天明天的日期
下一篇同期群分析到底是怎么一回事？有哪些商業應用？
數據分析師考試動態
CDA報考指南
數據分析學習
數據分析師資訊
更多

CDA教育閉環

常見問題

關于我們

CDA數據分析師公眾號

  • CDA數據分析師公眾號

CDA考試中心小程序

  • CDA考試中心服務號

CDA數據分析師App下載

  • CDA數據分析師App下載
Copyright © 2015-2021, www.ruiqisteel.com All Rights Reserved. CDA數據分析師(北京國富如荷網絡科技有限公司) 版權所有 京ICP備11001960號-9 京公網安備 11010802034615號 經營許可證編號：京B2-20210330
聯系電話：13321103290 (微信同號)

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢