Cara menggunakan model pembelajaran mesin menggunakan platform Streamlit

Streamlit ialah perpustakaan Python sumber terbuka untuk membina dan menggunakan aplikasi data interaktif dengan cepat. Ia memudahkan interaksi dengan perpustakaan sains data seperti Python, Pandas dan Matplotlib, serta boleh menyepadukan rangka kerja pembelajaran mesin biasa seperti TensorFlow, PyTorch dan Scikit-Learn dengan mudah. Pembangun boleh mencipta antara muka mesra pengguna dengan mudah untuk memaparkan hasil analisis data dan model pembelajaran mesin melalui Streamlit. Sintaksnya yang ringkas dan susun atur antara muka automatik menjadikan aplikasi data membina lebih pantas dan lebih mudah. Tanpa memerlukan pengalaman pembangunan bahagian hadapan yang kompleks, pembangun boleh menggunakan Streamlit untuk membina aplikasi interaktif dan visual dengan cepat. Pada masa yang sama, Streamlit juga menyediakan fungsi penempatan, yang boleh menggunakan aplikasi dengan mudah ke pelayan awan atau setempat, supaya aplikasi boleh diakses dan digunakan dengan cepat oleh pengguna.

Berikut ialah langkah mudah tentang cara menggunakan model pembelajaran mesin menggunakan Streamlit:

1 Pasang Streamlit

Pasang Streamlit menggunakan arahan berikut dalam terminal:

```python

pip install streamlit

``

2. Tulis kod aplikasi

Buat fail .py baharu dan tulis aplikasi mudah menggunakan kod berikut:

```python

import streamlit sebagai st

import panda sebagai pd

joblib

#Muat model pembelajaran mesin

model=joblib.load('model.pkl')

#Buat halaman permohonan

st.title('Ramalan model pembelajaran mesin')

st.write('Sila isi borang berikut Buat ramalan:')

#Buat borang dan kumpulkan input pengguna

age=st.number_input('Sila masukkan umur anda:',min_value=0,max_value=120)

gender=st.selectbox( 'Sila pilih jantina Anda:',['Lelaki','Wanita'])

income=st.number_input('Sila masukkan pendapatan tahunan anda:',min_value=0,max_value=9999999)

#Tukar input pengguna kepada Format DataFrame

data=pd.DataFrame({

'umur':[umur],

'jantina':[jantina],

'pendapatan':[pendapatan]

})

})

# Buat ramalan dan Paparkan keputusan

jika st.button('ramalan'):

prediction=model.predict(data)[0]

if prediction==1:

st.write('Anda boleh membeli produk ini!' )

else:

st.write('Anda tidak boleh membeli item ini.')

```

Dalam contoh ini, kami mencipta borang ringkas yang mengumpul umur, jantina dan Pendapatan pengguna serta maklumat lain, dan kemudian gunakan model pembelajaran mesin untuk meramalkan sama ada pengguna akan membeli.

3 Simpan model pembelajaran mesin

Dalam kod di atas, kami menggunakan perpustakaan joblib untuk memuatkan model pembelajaran mesin bernama "model.pkl". Model ini dilatih melalui perpustakaan Scikit-Learn semasa latihan dan disimpan pada cakera untuk kegunaan kemudian. Jika anda belum mempunyai model terlatih lagi, anda boleh melatihnya menggunakan Scikit-Learn atau perpustakaan pembelajaran mesin popular yang lain dan menyimpannya sebagai fail pkl.

4. Jalankan aplikasi

Jalankan arahan berikut dalam terminal untuk memulakan aplikasi:

````python

streamlit run app.py

```

Ini akan memulakan pelayan web tempatan dan semak imbas Buka aplikasi dalam penyemak imbas anda. Anda kini boleh membuat ramalan menggunakan borang dan melihat keputusan dalam apl.

5. Gunakan aplikasi

Jika anda ingin menggunakan aplikasi ke dalam persekitaran pengeluaran, anda boleh menggunakan perkhidmatan yang disediakan oleh pelbagai platform awan untuk mengehoskan aplikasi. Sebelum penggunaan, anda perlu memastikan bahawa model, data dan kod aplikasi telah dimuat naik ke pelayan awan dan dikonfigurasikan sewajarnya seperti yang diperlukan. Aplikasi itu kemudiannya boleh digunakan pada platform awan menggunakan arahan atau antara muka yang sepadan.

🎜Ringkasnya, menggunakan model pembelajaran mesin menggunakan Streamlit adalah sangat mudah dan hanya memerlukan beberapa baris kod dan beberapa konfigurasi asas. Ia menyediakan penyelesaian yang pantas dan mudah untuk membina dan menggunakan aplikasi data, membolehkan saintis data dan pembangun menumpukan pada mencipta aplikasi data yang lebih bermakna. 🎜

Atas ialah kandungan terperinci Cara menggunakan model pembelajaran mesin menggunakan platform Streamlit. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!