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

绿色方框圈出来的表示将数据切分为训练集和测试集。

红色方框的上半部分表示对训练数据进行特征处理，然后再对处理后的数据进行训练，生成 model。

红色方框的下半部分表示对测试数据进行特征处理，然后使用训练得到的 model 进行预测。

红色方框的右下角部分表示对模型进行评估，评估可以分为离线和在线。

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 npimport pandas as pdfrom sklearn.datasets import load_irisfrom sklearn.ensemble import RandomForestClassifier

# 加载鸢尾花数据iris = load_iris()# 创建包含特征名称的 DataFramedf = 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)) <= .75train, test = df[df['is_train']==True], df[df['is_train']==False]

# 生成 X 和 yfeatures = 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。

sklearn 提供了 joblib 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 sepal_length, sepal_width, petal_length, petal_width 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 service，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 ml_web.py 文件，内容如下：

# coding=utf-8from urlparse import urljoin

import flaskfrom flask import Flask, request, url_for, Responsefrom 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 PostMan（也可以在浏览器中打开） 中打开 http://127.0.0.1:8000/ml/predict_iris ，得到以下结果：

可以看到，这里提示我们输入 sepal_length, sepal_width, petal_length, petal_width 参数，所以我们需要添加上参数重新构造一个请求 url：http://127.0.0.1:8000/ml/predict_iris?sepal_length=10&sepal_width=1&petal_length=3&petal_width=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 sklearn 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。

作者：1or0，专注于机器学习研究。

声明：本文为公众号 AI派 投稿，版权归对方所有。