使用sklearn进行在线实时预测（构建可用模型）

本文章向大家介绍如何使用进行在线实时预测（构建真实世界中可用的模型），主要内容包括其使用实例、应用技巧、基本知识点总结和需要注意事项，具有一定的参考价值，需要的朋友可以参考一下。

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 -learn 了。我们介绍下如何使用进行实时预测。先来看下典型的机器学习工作流。

解释下上面的这张图片：

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。

提供了 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 , , , 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 ，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 .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 （也可以在浏览器中打开） 中打开 :8000/ml/ ，得到以下结果：

可以看到，这里提示我们输入 , , , 参数，所以我们需要添加上参数重新构造一个请求 url：:8000/ml/?=10&=1&=3&=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 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。