机器学习模型的api调用
利用Flask实现Python机器学习模型的api调用
小蔡童靴
代码让生活更美好。
展开
-
(五)机器学习模型的api调用之模型执行
本篇讲讲模型执行相关操作,以逻辑回归评分卡为示例。根据已有模型,调用执行接口:http://ip:port//model/executepost{“modelFilePath”:"/data/model/lr.pkl",“paramsData”:{#这里是模型特征}}后台代码如下:import numpy as npimport pandas as pdimport scorecardpy as sc#缓存变量modelPath,binsPath='',''bins,mod原创 2020-06-29 10:19:58 · 1290 阅读 · 0 评论 -
(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/featurespost{“modelFilePath”:"/data/model/lr.pkl"}后台代码实现:from flask import request#模型文件路径校验def modelFilePathCheck(request): if keyIsExist(request,'modelFilePath'): modelFilePath = request['modelFilePa原创 2020-06-28 19:05:25 · 523 阅读 · 0 评论 -
(三)机器学习模型的api调用之异常控制
在上一篇日志打印的基础上,本篇引入异常控制,并通过json格式输出。#引入jsonify模块from flask import jsonify#异常定义code10001 = {'code':'10001','errorType':'KeyError','errorMsg':'输入特征错误:'}code10002 = {'code':'10002','errorType':'ValueError','errorMsg':'输入值错误:'}code10003 = {'code':'10003',原创 2020-06-28 17:55:58 · 388 阅读 · 0 评论 -
(二)机器学习模型的api调用之日志打印
日志打印是程序中很重要的一部分,本篇讲讲日志的输出设置。首先引入logging模块import loggingimport logging.handlers然后是打印设置#日志打印设置logger = logging.getLogger()formatter = logging.Formatter('%(asctime)s - %(message)s')file_handler = logging.handlers.TimedRotatingFileHandler('(这里给定日志输出的文原创 2020-06-28 15:46:52 · 479 阅读 · 0 评论 -
(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 Flaskimport joblibapp = Flask(__name__)@app.route("/getModel")def g原创 2020-06-24 10:50:21 · 1010 阅读 · 0 评论