В этом руководстве мы узнаем, как развернуть простую модель машинного обучения в реальном приложении.
Здесь мы будем использовать гигантские данные для анализа и создания титанической модели машинного обучения, которая может предсказать, выживет ли пассажир или нет.
Представьте, если бы вы были пассажиром на Титанике и путешествовали в то время. Вы хотите знать, выжили бы вы или нет, если бы оказались там в то время.
Наша цель будет заключаться в создании веб-сайта, на котором пользователь может ввести свои данные, и, наконец, он покажет, выживет ли этот пассажир или нет, с помощью бэкэнда и модели машинного обучения.
Шаги:
1. Создайте блокнот Jupyter и проанализируйте титанический набор данных. Обработайте и, наконец, создайте и обучите модель машинного обучения.
2. Создайте серверную часть с помощью flask, которая может предоставить прогноз с использованием обученной модели из блокнота Jupyter.
3. Наконец, создайте внешний интерфейс, в котором пользователь может предоставить свои данные и получить от бэкенда прогноз, выживет ли он или она, если пользователь окажется на Титанике в 1912 году.
Весь проект можно найти на github
Это фронтенд нашего титанического проекта, который развернут здесь
Бэкенд разворачивается здесь.
Шаг 1. Анализ данных [Найдите блокнот здесь]
Наши данные выглядят так.
Очистка данных
Итак, у нас есть обученная модель, и она сохранена как svm_model.pkl
На следующем шаге мы будем использовать эту модель в нашем бэкенде с колба.
