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

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。

该项目包括四个部分：

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。