Pro 会员计划

Pro 计划是作者为了维护和更新本教程而推出的会员计划，你可以获得更多的福利和服务，点击查看详情。

43. 蘑菇分类模型部署和推理

43.1. 介绍

本次挑战重点在于对 scikit-learn 训练模型的保存和部署，你需要按要求完成模型的线上部署并使之能对新的数据进行推理。

43.2. 知识点

• 毒蘑菇分类预测

• 模型部署和推理

挑战选择了 UCI Machine Learning 提供的 蘑菇分类数据集，其采集了 8124 个蘑菇的样本，包含这些蘑菇的各类物理特性，例如气味、尺寸、颜色等。最终，这些样本被标记为 2 类：可食用和有毒。

挑战采样了原数据集中的 8000 条数据，你可以直接预览这些样本：

# 下载数据集
wget -nc https://cdn.aibydoing.com/aibydoing/files/mushrooms.csv

import pandas as pd

# 挑战所需训练数据集，复制链接粘贴到浏览器即可下载
df = pd.read_csv("mushrooms.csv")
df.head()

	class	cap-shape	cap-surface	cap-color	bruises	odor	gill-attachment	gill-spacing	gill-size	gill-color	...	stalk-surface-below-ring	stalk-color-above-ring	stalk-color-below-ring	veil-type	veil-color	ring-number	ring-type	spore-print-color	population	habitat
0	p	x	s	w	f	c	f	c	n	p	...	s	w	w	p	w	o	p	n	s	d
1	p	x	s	e	f	s	f	c	n	b	...	k	w	w	p	w	o	e	w	v	p
2	p	k	s	e	f	y	f	c	n	b	...	s	p	p	p	w	o	e	w	v	d
3	p	f	f	g	f	f	f	c	b	p	...	k	b	n	p	w	o	l	h	y	g
4	e	f	f	n	f	n	f	w	b	h	...	s	w	w	p	w	o	e	k	s	g

5 rows × 23 columns

其中，class=e 表示可食用，class=p 表示有毒。其余列为特征数据。

接下来，你需要利用该数据集训练一个毒蘑菇分类器，并使用 Flask 将保存好的模型部署为 API 接口，可通过 HTTP 请求的方式获得推理结果。

Exercise 43.1

挑战：参考前序实验中泰坦尼克号生存预测模型，训练毒蘑菇分类器，并完成模型部署。

规定：数据特征处理，算法选择等方式不定，可以自由发挥，只需要满足最终获得蘑菇是否有毒的结果即可。

挑战测试说明

本次挑战推荐在线下完成，同时你需要使用 scikit-learn 训练并保存模型，最终使用 Flask 完成 Web 应用构建。启动 Flask 后，可在本地向 localhost 发起 POST 请求获得推理结果。测试时推荐使用原数据集中的样本，传入数据需为 JSON 类型。

测试示例代码如下：

wget -nc https://cdn.aibydoing.com/aibydoing/files/mushrooms_test.csv

import json
import requests
import pandas as pd

df = pd.read_csv("mushrooms_test.csv")  # 读取测试数据集
sample_data = df.sample(1).to_json()  # 从原数据中随机取 1 条用于测试推理，并转换成 JSON 样式
sample_json = json.loads(sample_data)  # 将 Pandas 转换的 JSON 样式数据处理成 JSON 类型
requests.post(url="http://localhost:5000", json=sample_json).content  # 建立 POST 请求，并发送数据请求

期望输出

请求返回的内容和样式自定义，但至少需要返回推理类别结果。

参考答案 Exercise 43.1

# 加载数据集
import pandas as pd
import warnings
warnings.filterwarnings('ignore')

df = pd.read_csv("mushrooms.csv")
df.tail()

# 模型训练和保存
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import cross_val_score
import joblib

X = pd.get_dummies(df.iloc[:, 1:])  # 读取特征并独热编码
y = df['class']  # 目标值

model = RandomForestClassifier()  # 随机森林
print(cross_val_score(model, X, y, cv=5).mean())  # 交叉验证结果

model.fit(X, y)  # 训练模型
joblib.dump(model, "mushrooms.pkl")  # 保存模型
print("model saved.")

# 构建 Flask Web
%%writefile predict.py
# 将此单元格代码写入 predict.py 文件方便后面执行
import joblib
import pandas as pd
from flask import Flask, request, jsonify

app = Flask(__name__)

@app.route("/", methods=["POST"])  # 请求方法为 POST
def inference():
    query_df = pd.DataFrame(request.json)  # 将 JSON 变为 DataFrame
    
    df = pd.read_csv("mushrooms.csv")  # 读取数据
    X = pd.get_dummies(df.iloc[:, 1:])  # 读取特征并独热编码
    query = pd.get_dummies(query_df).reindex(columns=X.columns, fill_value=0)  # 将请求数据 DataFrame 处理成独热编码样式
    
    clf = joblib.load('mushrooms.pkl')  # 加载模型
    prediction = clf.predict(query)  # 模型推理
    return jsonify({"prediction": list(prediction)})  # 返回推理结果

# Notebook 中必须以子进程才能正常启动 Flask
import time
import subprocess as sp

# 启动子进程执行 Flask app
server = sp.Popen("FLASK_APP=predict.py flask run", shell=True)
time.sleep(5)  # 等待 5 秒保证 Flask 启动成功
server

import json

# 从测试数据中取 1 条用于测试推理
df_test = pd.read_csv("mushrooms_test.csv")
sample_data = df.sample(1).to_json(orient='records')
sample_json = json.loads(sample_data)
sample_json

import requests

requests.post(url="http://localhost:5000", json=sample_json).content  # 建立 POST 请求，并发送数据请求

server.terminate()  # 结束子进程，关闭端口占用

---

○ 欢迎分享本文链接到你的社交账号、博客、论坛等。更多的外链会增加搜索引擎对本站收录的权重，从而让更多人看到这些内容。

如果你觉得这些内容对你有帮助，可以 请我喝杯咖啡

上一章

42. 机器学习模型推理与部署

下一章

44. 机器学习模型动态增量训练