（一）机器学习模型的api调用之初探

写在前面

在最近的风控评分卡业务中使用到了机器学习来构建模型，构建模型的方法会找时间单开一篇文章。这里主要讲下如何实现根据已经构建好的模型提供api接口服务。

这里是正文

Flask是微型的Python Web框架，如果模型本身就是用python语言构建的，那么利用FLask提供Api服务是一个不错的选择。
基础代码结构如下：

from flask import Flask
import joblib

app = Flask(__name__)

@app.route("/getModel",methods=['GET'])
def getModel():
	#根据文件路径load模型
	model=joblib.load('/data/model.pkl')
    return "model 查询到了"

if __name__ == "__main__":
	app.run(host='0.0.0.0',port=5003)  # 指定ip:port
    app.run(threaded=True) #开启多线程
    
print('运行结束')

以上代码是一个简单的示例，程序起来后通过url
http://localhost:5003/getModel 即可调用接口，返回结果“model 查询到了”。

本章是系列的开篇，后续还将讲讲日志打印，特征查询，模型执行等。

---

（一）机器学习模型的api调用之初探
（二）机器学习模型的api调用之日志打印
（三）机器学习模型的api调用之异常控制
（四）机器学习模型的api调用之特征查询
（五）机器学习模型的api调用之模型执行

源代码地址