（四）机器学习模型的api调用之特征查询

根据模型查询特征接口：
http://ip:port//model/features
post
{
“modelFilePath”:"/data/model/lr.pkl"
}

后台代码实现：

from flask import request
import joblib
import time

modelDir = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))+ '/model/'

#模型文件路径校验，参数不存在使用默认模型
def modelFilePathCheck(request):
    if  keyIsExist(request,'modelFilePath'):
        modelFilePath = request['modelFilePath']
    else:
        modelFilePath = modelDir + 'default/lr.pkl'
    return modelFilePath

#模型特征查询接口    
@app.route('/model/features',methods=['POST'])
def features_data():
    start = time.time()
    try:
        logger.info(str(request.get_data()))
        request_data = request.get_json() #获取传入数据
        modelFilePath = modelFilePathCheck(request_data)
        if os.path.isfile(modelFilePath):
            #调用model文件
            model = joblib.load(modelFilePath)
            bins = model.bins
            result = {}
            result['code'] = '00000'
            result['features'] = list(bins.keys())
            end = time.time()
            logging.info('特征查询耗时：%s',end-start) #计算下接口耗时
            return jsonify(result)

        return jsonify(code10009)

    except KeyError as e:
        logger.info(e)
        code10001['errorMsg']='输入参数错误：' + str(e)
        return jsonify(code10001)

---

（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