作者：俊欣
来源：关于数据分析与可视化
Flask以及Streamlit这两个框架实现机器学习模型的前后端交互。模型的建立
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
X = df[["Height", "Weight"]]
y = df["Species"]
clf = GaussianNB()
clf.fit(X, y)
import joblib
joblib.dump(clf, "clf.pkl")
Flask框架
前端页面主要是由一系列的HTML代码写成的，代码如下
<!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>
输出结果如下：
Flask框架中后端的业务代码大致如下
from flask import Flask, request, render_template
import pandas as pd
import joblib
# 声明是一个Flask应用
app = Flask(__name__)
# 主要业务逻辑
# ------------------
# 运行整体的应用
if __name__ == '__main__':
app.run(debug = True)
那么在本篇文章的项目背景下，代码如下
@app.route('/', methods=['GET', 'POST'])
def main():
# 表单数据提交，POST请求
if request.method == "POST":
# 调用已经训练好的模型
clf = joblib.load("clf.pkl")
# 从输入框中获取身高与体重数据
height = request.form.get("height")
weight = request.form.get("weight")
# 转变成DataFrame格式
X = pd.DataFrame([[height, weight]], columns = ["Height", "Weight"])
# 获取预测值
prediction = clf.predict(X)[0]
else:
prediction = ""
return render_template("website.html", output = prediction)
然后我们运行整个脚本，效果如下
我们试着输入一些身高与体重的值，看一下返回的结果，效果如下
Streamlit框架
Streamlit框架下该如何来操作。在Streamlit框架中没有特别明显的前后端代码的分离，代码如下
import streamlit as st
import pandas as pd
import joblib
# 标题
st.header("Streamlit Machine Learning App")
# 输入框
height = st.number_input("Enter Height")
weight = st.number_input("Enter Weight")
# 点击提交按钮
if st.button("Submit"):
# 引入训练好的模型
clf = joblib.load("clf.pkl")
# 转换成DataFrame格式的数据
X = pd.DataFrame([[height, weight]],
columns=["Height", "Weight"])
# 获取预测出来的值
prediction = clf.predict(X)[0]
# 返回预测的值
st.text(f"This instance is a {prediction}")
最后生成的页面如下
我们在终端中运行以下命令
streamlit run streamlit_model.py
点这里👇关注我，记得标星哦~
推荐阅读
CDA课程咨询
