使用 Streamlit 将机器学习模型部署为 Web 应用程序

介绍

机器学习模型本质上是一组用于进行预测或查找数据模式的规则或机制。简单地说（不用担心过于简单化），在 excel 中使用最小二乘法计算的趋势线也是一个模型。然而，实际应用中使用的模型并不那么简单——它们常常涉及更复杂的方程和算法，而不仅仅是简单的方程。

在这篇文章中，我将首先构建一个非常简单的机器学习模型，并将其作为一个非常简单的 Web 应用程序发布，以了解该过程。

在这里，我将只关注流程，而不是 ML 模型本身。 Alsom 我将使用 Streamlit 和 Streamlit Community Cloud 轻松发布 Python Web 应用程序。

长话短说：

使用 scikit-learn（一种流行的机器学习 Python 库），您可以快速训练数据并创建模型，只需几行代码即可完成简单任务。然后可以使用 joblib 将模型保存为可重用文件。这个保存的模型可以像 Web 应用程序中的常规 Python 库一样导入/加载，从而允许应用程序使用经过训练的模型进行预测！

应用网址：https://yh-machine-learning.streamlit.app/

GitHub：https://github.com/yoshan0921/yh-machine-learning.git

技术栈

Python

Streamlit：用于创建 Web 应用程序界面。

scikit-learn：用于加载和使用预先训练的随机森林模型。

NumPy 和 Pandas：用于数据操作和处理。

Matplotlib 和 Seaborn：用于生成可视化。

我做了什么

此应用程序允许您检查在帕尔默企鹅数据集上训练的随机森林模型所做的预测。 （有关训练数据的更多详细信息，请参阅本文末尾。）

具体来说，该模型根据各种特征来预测企鹅物种，包括物种、岛屿、喙长、鳍状肢长度、体型和性别。用户可以导航应用程序以查看不同的特征如何影响模型的预测。

预测屏幕

学习数据/可视化屏幕

开发步骤

步骤1.创建模型

Feature and Target Definition: Features (X_raw) are separated from the target variable (y_raw).

One-hot Encoding: Categorical variables island and sex are converted into numerical format using one-hot encoding (X_encoded). The target variable species is mapped to numerical values (y_encoded).

Data Splitting: The dataset is split into training (70%) and testing (30%) sets using train_test_split.

Model Training: A RandomForestClassifier is trained on the training data (x_train, y_train).

Model Evaluation: The accuracy of the model is calculated and displayed for both the training and testing sets.

Model Saving: The trained model is saved to a file named penguin_classifier_model.pkl using joblib.

Step2. Building the Web App and Integrating the Model

特征和目标定义：特征（X_raw）与目标变量（y_raw）分离。

One-hot 编码：分类变量 island 和 sex 使用 one-hot 编码 (X_encoded) 转换为数字格式。目标变量物种映射为数值（y_encoded）。

数据分割：使用train_test_split将数据集分割成训练集（70%）和测试集（30%）。

模型训练：随机森林分类器在训练数据（x_train，y_train）上进行训练。

模型评估：计算并显示训练集和测试集的模型准确性。

模型保存：训练好的模型使用 joblib 保存到名为 penguin_classifier_model.pkl 的文件中。

步骤2。构建 Web 应用程序并集成模型

用于输入特征的 Streamlit 接口：代码使用 Streamlit 创建一个交互式界面，用户可以在其中输入性别、岛屿、bill_length_mm、bill_depth_mm、flipper_length_mm 和 body_mass_g 等特征以用于预测。

数据编码和准备：用户输入被转换为 DataFrame，并对分类变量（岛屿、性别）进行 one-hot 编码。该代码通过添加模型训练期间存在的任何缺失列来确保输入数据与预期格式匹配。

模型加载：使用 joblib 从名为 penguin_classifier_model.pkl 的文件加载预训练的机器学习模型。这使模型准备好根据用户输入进行预测。

预测执行：模型根据编码的输入特征预测企鹅种类，计算每次预测的概率并转换为百分比。

结果展示：预测结果，包括预测的物种和每个物种的概率，都显示在Streamlit界面上，用进度条直观地表示预测的置信度。

关于数据集

@allison_horst 的艺术作品 (https://github.com/allisonhorst) 该模型是使用 Palmer Penguins 数据集进行训练的，这是一个广泛认可的用于练习机器学习技术的数据集。该数据集提供了来自南极洲帕尔默群岛的三种企鹅（阿德利企鹅、帽带企鹅和巴布亚企鹅）的信息。主要功能包括：

种类：企鹅的种类（阿德利企鹅、帽带企鹅、巴布亚企鹅）。 ?岛屿：观察到企鹅的特定岛屿（Biscoe、Dream、Torgersen）。? ?Bill Length：企鹅的嘴的长度（毫米）。? ?Bill Depth：企鹅喙的深度（毫米）。? ?鳍状肢长度：企鹅鳍状肢的长度（毫米）。? ?体重：企鹅的质量（克）。? ?性别：企鹅的性别（雄性或雌性）。? ? ?该数据集源自 Kaggle，可以在此处访问。特征的多样性使其成为构建分类模型和了解每个特征在物种预测中的重要性的绝佳选择。? ? ?

以上就是使用 Streamlit 将机器学习模型部署为 Web 应用程序的详细内容，更多请关注本网内其它相关文章！