使用Flask部署机器学习模型

作者|LAKSHAY ARORA 编译|VK 来源|Analytics Vidhya

概述

• 部署机器学习模型是每个ML项目的一个关键

• 学习如何使用Flask将机器学习模型部署到生产中

• 模型部署是数据科学家访谈中的一个核心话题

介绍

我记得我早期在机器学习领域的日子。我喜欢处理多个问题，对机器学习项目的各个阶段都很感兴趣。和我之前的许多人一样，我被模型整个生命周期的构建所吸引。

我和领域专家谈过，项目经理和所有相关人员确保他们的投入被包括在模型中。但后来我遇到了一个障碍——我到底该如何把我的模型交给我的客户呢？我不能给他们一个Jupyter notebook！

我所学的一切都集中在模型构建组件上。没有多少人会谈论如何部署你的机器学习模型。把你的模型投入生产意味着什么？它需要什么？

这些都是每个数据科学家需要回答的关键的职业定义问题。这就是为什么我决定写下这个教程来演示如何使用Flask来部署机器学习模型。

我们将首先了解模型部署的概念，然后讨论Flask是什么，如何安装它，最后，我们将深入到一个问题陈述中，学习如何使用Flask部署机器学习模型。

目录

1. 什么是模型部署？

2. 什么是Flask？

3. 在机器上安装Flask

4. 理解问题陈述

5. 建立我们的机器学习模型

6. 设置Twitter API

7. 创建网页

8. 将网页与模型连接

9. 查看部署模型

什么是模型部署？

在典型的机器学习和深度学习项目中，我们通常从定义问题陈述开始，然后是数据收集和准备、数据理解和模型构建，对吧？

但是，最后，我们希望我们的模型能够提供给最终用户，以便他们能够利用它。模型部署是任何机器学习项目的最后阶段之一，可能有点棘手。如何将机器学习模型传递给客户/利益相关者？当你的模型投入生产时，你需要注意哪些不同的事情？你怎么能开始部署一个模型呢？

Flask的作用来了。

什么是Flask？

Flask是一个用Python编写的web应用程序框架。它有多个模块，使web开发人员更容易编写应用程序，而不必担心协议管理、线程管理等细节。

Flask是开发web应用程序的选择之一，它为我们提供了构建web应用程序所必需的工具和库。

在本教程中，我们将利用Flask的资源来帮助我们部署自己的机器学习模型。你会喜欢用Flask工作的！

在机器上安装Flask

安装Flask简单明了。在这里，我假设你已经安装了Python 3和pip。要安装Flask，需要运行以下命令：

sudo apt-get install python3-flask

就这样！准备好深入到问题陈述中去，离部署机器学习模型更近一步。

理解问题陈述

在本节中，我们将使用Twitter数据集。我们的目标是在推特上发现仇恨言论。为了简单起见，如果推特带有种族主义或性别歧视情绪，我们说它包含仇恨言论。

我们将创建一个包含如下文本框的网页（用户可以搜索任何文本）：

对于任何搜索查询，我们将实时抓取与该文本相关的tweet，对于所有这些被抓取的tweet，我们将使用仇恨言语检测模型对种族主义和性别歧视tweet进行分类。

设置项目工作流

1. 模型构建：我们将建立一个逻辑回归模型管道来分类tweet是否包含仇恨言论。在这里，我们的重点不是如何建立一个非常精确的分类模型，而是看看如何使用Flask部署这个模型
2. 安装Twitter应用程序：我们将在Twitter开发人员的网站上创建一个Twitter应用程序，并获取身份验证密钥。我们将编写一个Python脚本来抓取与特定文本查询相关的tweet
3. 网页模板：在这里，我们将设计一个用户界面，用户可以提交他的查询
4. 获取Tweets：从用户处获取查询后，我们将使用twitter API获取与所搜索查询相关的Tweets
5. 预测类并发送结果：接下来，使用保存的模型预测tweets的类并将结果发送回网页

下面是我们刚才看到的步骤的示意图：