Vue.js と Python を使用してカスタム機械学習アプリケーションを作成する方法-Vue.js-php.cn

Vue.js と Python を使用してカスタム機械学習アプリケーションを作成する方法

王林

リリース： 2023-07-29 08:21:29

オリジナル

1598 人が閲覧しました

Vue.js と Python を使用してカスタム機械学習アプリケーションを作成する方法

人工知能と機械学習の急速な発展に伴い、ますます多くの開発者が機械学習を実践に適用する方法に注目し始めています。。プロジェクト。 Vue.js と Python は現在非常に人気のあるフロントエンドおよびバックエンド開発ツールであり、これらを組み合わせることで、カスタマイズされた機械学習アプリケーションをより簡単に構築できます。この記事では、Vue.js と Python を使用して簡単な機械学習アプリケーションを実装する方法をコード例とともに紹介します。

1. プロジェクトの準備
まず、Vue.js と Python をインストールする必要があります。関連するインストール手順は公式 Web サイトでご覧いただけます。

2. フロントエンド部分 - Vue.js
フロントエンド部分では、Vue.js を使用してデータの入力と表示のためのユーザーインターフェイスを構築します。基本的な Vue アプリケーションを作成するには、Vue CLI を使用して開発プロセスを簡素化できます。

新しい Vue アプリケーションの作成
コマンドラインで次のコマンドを実行して、新しい Vue アプリケーションを作成します:
```
vue create ml-app
```
ログイン後にコピー
インストールが必要です依存関係
プロジェクトディレクトリを入力し、次のコマンドを実行して必要な依存関係をインストールします。
```
cd ml-app
npm install axios --save
```
ログイン後にコピー

コンポーネントの作成
src ディレクトリに ## という名前のファイルを作成します。 #MachineLearning.vue の。このファイルでは、データ入力とプレゼンテーションを含むコンテナーを定義します。以下は簡単なコード例です。

<template>
  <div>
 <input v-model="inputData" type="text" placeholder="输入数据">
 <button @click="runML">运行机器学习</button>
 <div v-if="result">{{ result }}</div>
  </div>
</template>

<script>
import axios from 'axios';

export default {
  data() {
 return {
   inputData: '',
   result: ''
 };
  },
  methods: {
 async runML() {
   const response = await axios.post('/predict', { data: this.inputData });
   this.result = response.data.result;
 }
  }
};
</script>

ログイン後にコピー

App.vue を変更する
src ディレクトリの
App.vue ファイルを開き、MachineLearning を変更します。 .vue コンポーネントがインポートされ、ページに追加されます。
```
<template>
  <div id="app">
 <MachineLearning></MachineLearning>
  </div>
</template>

<script>
import MachineLearning from './MachineLearning.vue';

export default {
  components: {
 MachineLearning
  }
};
</script>
```
ログイン後にコピー

この時点で、フロントエンド部分は基本的に完成しました。ユーザーは入力ボックスにデータを入力し、ボタンをクリックして機械学習の実行をトリガーできます。次にバックエンド部分に機械学習機能を実装していきます。

3. バックエンド部分 - Python

バックエンド部分では、Python を使用して機械学習操作を実行します。具体的には、flask ライブラリを使用してシンプルなバックエンドサーバーを構築し、scikit-learn ライブラリを使用してデータをトレーニングおよび予測します。

Python 仮想環境の作成
コマンドラインで次のコマンドを実行して、Python 仮想環境を作成します:
```
python -m venv ml-env
```
ログイン後にコピー
仮想をアクティブ化します。環境
Windows では、次のコマンドを実行して仮想環境をアクティブにします:
```
ml-envScriptsctivate
```
ログイン後にコピー
MacOS および Linux では、次のコマンドを実行して仮想環境をアクティブにします:
```
source ml-env/bin/activate
```
ログイン後にコピー
次のコマンドを実行して必要な依存関係をインストールします:
```
pip install flask scikit-learn
```
ログイン後にコピー

#app.py

という名前のファイルを作成します次のコードを追加します。

from flask import Flask, request, jsonify
from sklearn.linear_model import LinearRegression

app = Flask(__name__)

# 创建一个线性回归模型
model = LinearRegression()

@app.route('/predict', methods=['POST'])
def predict():
 # 接收输入数据
 data = request.json['data']

 # 对数据进行预测
 result = model.predict(data)

 # 返回预测结果
 return jsonify({'result': result})

if __name__ == '__main__':
 app.run()

ログイン後にコピー

バックエンドサーバーの実行