如何构建真实世界可用的 ML 模型？
Python 作为当前机器学习中使用最多的一门编程语言，有很多对应的机器学习库，最常用的莫过于 scikit-learn 了。本文我们介绍下如何使用sklearn进行实时预测。先来看下典型的机器学习工作流。
绿色方框圈出来的表示将数据切分为训练集和测试集。
红色方框的上半部分表示对训练数据进行特征处理，然后再对处理后的数据进行训练，生成 model。
红色方框的下半部分表示对测试数据进行特征处理，然后使用训练得到的 model 进行预测。
红色方框的右下角部分表示对模型进行评估，评估可以分为离线和在线。
典型的 ML 模型
介绍完了典型的机器学习工作流了之后，来看下典型的 ML 模型。
import numpy as np
import pandas as pd
from sklearn.datasets import load_iris
from sklearn.ensemble import RandomForestClassifier
# 加载鸢尾花数据
iris = load_iris()
# 创建包含特征名称的 DataFrame
df = pd.DataFrame(iris.data, columns=iris.feature_names)
df['species'] = pd.Categorical.from_codes(iris.target, iris.target_names)
# 生成标记，切分训练集、测试集
df['is_train'] = np.random.uniform(0, 1, len(df)) <= .75
train, test = df[df['is_train']==True], df[df['is_train']==False]
# 生成 X 和 y
features = df.columns[:4]
y = pd.factorize(train['species'])[0]
model = RandomForestClassifier(n_jobs=2)
# 训练模型
model.fit(train[features], y)
# 预测数据
model.predict(test[features])
上面的模型对鸢尾花数据进行训练生成一个模型，之后该模型对测试数据进行预测，预测结果为每条数据属于哪种类别。
模型的保存和加载
上面我们已经训练生成了模型，但是如果我们程序关闭后，保存在内存中的模型对象也会随之消失，也就是说下次如果我们想要使用模型预测时，需要重新进行训练。如何解决这个问题呢？
很简单，既然内存中的对象会随着程序的关闭而消失，我们能不能将训练好的模型保存成文件。如果需要预测的话，直接从文件中加载生成模型呢？答案是可以的。
sklearn 提供了 joblib 模型，能够实现完成模型的保存和加载。
from sklearn.externals import joblib
# 保存模型到 model.joblib 文件
joblib.dump(model, "model.joblib" ,compress=1)
# 加载模型文件，生成模型对象
new_model = joblib.load("model.joblib")
new_pred_data = [[0.5, 0.4, 0.7, 0.1]]
# 使用加载生成的模型预测新样本
new_model.predict(new_pred_data)
构建实时预测
前面说到的运行方式是在离线环境中运行，在真实世界中，我们很多时候需要在线实时预测。一种解决方案是将模型服务化，在我们这个场景就是，我告诉你一个鸢尾花的 sepal_length, sepal_width, petal_length, petal_width 之后，你能够快速告诉我这个鸢尾花的类型，借助 flask 等 web 框架，开发一个 web service，实现实时预测。
因为依赖于 flask 框架，没有安装的需要安装下：
pip install flask
创建一个 ml_web.py 文件，内容如下：
# coding=utf-8
from urlparse import urljoin
import flask
from flask import Flask, request, url_for, Response
from sklearn.externals import joblib
app = Flask(__name__)
# 加载模型
model = joblib.load("model.joblib")
@app.route("/", methods=["GET"])
def index():
with app.test_request_context():
# 生成每个函数监听的url以及该url的参数
result = {"predict_iris": {"url": url_for("predict_iris"),
"params": ["sepal_length", "sepal_width", "petal_length", "petal_width"]}}
result_body = flask.json.dumps(result)
return Response(result_body, mimetype="application/json")
@app.route("/ml/predict_iris", methods=["GET"])
def predict_iris():
request_args = request.args
# 如果没有传入参数，返回提示信息
if not request_args:
result = {
"message": "请输入参数：sepal_length, sepal_width, petal_length, petal_width"
}
result_body = flask.json.dumps(result, ensure_ascii=False)
return Response(result_body, mimetype="application/json")
# 获取请求参数
sepal_length = float(request_args.get("sepal_length", "-1"))
sepal_width = float(request_args.get("sepal_width", "-1"))
petal_length = float(request_args.get("petal_length", "-1"))
petal_width = float(request_args.get("petal_width", -1))
# 构建特征矩阵
vec = [[sepal_length, sepal_width, petal_length, petal_width]]
print("vec: {0}".format(vec))
# 生成预测结果
predict_result = int(model.predict(vec)[0])
print("predict_result: {0}".format(predict_result))
# 构造返回数据
result = {
"features": {
"sepal_length": sepal_length,
"sepal_width": sepal_width,
"petal_length": petal_length,
"petal_width": petal_width
},
"result": predict_result
}
result_body = flask.json.dumps(result, ensure_ascii=False)
return Response(result_body, mimetype="application/json")
if __name__ == "__main__":
app.run(port=8000)
在命令行启动它：
$ python ml_web.py
* Running on http://127.0.0.1:8000/ (Press CTRL+C to quit)
在 PostMan（也可以在浏览器中打开） 中打开 http://127.0.0.1:8000/ml/predict_iris ，得到以下结果：
可以看到，这里提示我们输入 sepal_length, sepal_width, petal_length, petal_width 参数，所以我们需要添加上参数重新构造一个请求 url：http://127.0.0.1:8000/ml/predict_iris?sepal_length=10&sepal_width=1&petal_length=3&petal_width=2。
再次请求得到的结果如下：
可以看到，模型返回的结果为 2，也就是说模型认为这个鸢尾花的类别是 2。
总结
在真实世界中，我们经常需要将模型进行服务化。这里我们借助 flask 框架，将 sklearn 训练后生成的模型文件加载到内存中，针对每次请求传入不同的特征来实时返回不同的预测结果。
作者：1or0，专注于机器学习研究。
声明：本文为公众号 AI派 投稿，版权归对方所有。