Flask部署机器学习模型 | 您所在的位置:网站首页 › 回归分析法预测销售额 › Flask部署机器学习模型 |
目录
摘要 线性回归 线性回归理论推导 FLASK特性 项目结构 代码依赖库 GUI界面实现代码 序列化/反序列化 GUI显示界面运行 总结 摘要本此演示了一种非常简单的方法来部署机器学习模型。利用线性回归使用前两个月的利率和销售额来预测第三个月的销售值。大家在进行算法研究与实现之后,可以此方法来将自己研究的模型赋予应用实现,以便他人更方便的了解你的研究性工作。 线性回归线性回归模型的目标是找到一个或多个特征(独立变量)与连续目标变量(独立变量)之间的关系。当只有一个特征时,称为单变量线性回归;如果有多个特征,则称为多重线性回归。 线性回归理论推导线性回归模型可用以下方程式表示: 易于使用。 内置开发服务器和调试器。 支持集成的单元测试。 RESTful请求分派。 项目结构该项目包括四个部分: model.py —包含用于机器学习模型的代码,该代码可根据前两个月的销售额预测第三个月的销售额。app.py-包含Flask API,它们通过GUI或API调用接收销售明细,并根据我们的模型计算预测值并返回。request.py-这使用请求模块来调用app.py中定义的API,并显示返回的值。HTML / CSS-HTML / CSS —包含HTML模板和CSS样式,允许用户输入销售明细并显示第三个月的预计销售量。系统界面HTML代码: 用户需要填写三个字段:利率、第一个月的销售额和第二个月的销售额。并点击预测,实现对第三个月的预测。 Deployment Tutorial 1 |
CopyRight 2018-2019 实验室设备网 版权所有 |