使用Flask部署机器学习模型

作者|LAKSHAY ARORA
编译|VK
来源|Analytics Vidhya

概述

• 部署机器学习模型是每个ML项目的一个关键

• 学习如何使用Flask将机器学习模型部署到生产中

• 模型部署是数据科学家访谈中的一个核心话题

介绍

我记得我早期在机器学习领域的日子。我喜欢处理多个问题，对机器学习项目的各个阶段都很感兴趣。和我之前的许多人一样，我被模型整个生命周期的构建所吸引。

我和领域专家谈过，项目经理和所有相关人员确保他们的投入被包括在模型中。但后来我遇到了一个障碍——我到底该如何把我的模型交给我的客户呢？我不能给他们一个Jupyter notebook！

我所学的一切都集中在模型构建组件上。没有多少人会谈论如何部署你的机器学习模型。把你的模型投入生产意味着什么？它需要什么？

这些都是每个数据科学家需要回答的关键的职业定义问题。这就是为什么我决定写下这个教程来演示如何使用Flask来部署机器学习模型。

我们将首先了解模型部署的概念，然后讨论Flask是什么，如何安装它，最后，我们将深入到一个问题陈述中，学习如何使用Flask部署机器学习模型。

目录

1. 什么是模型部署？

2. 什么是Flask？

3. 在机器上安装Flask

4. 理解问题陈述

5. 建立我们的机器学习模型

6. 设置Twitter API

7. 创建网页

8. 将网页与模型连接

9. 查看部署模型

什么是模型部署？

在典型的机器学习和深度学习项目中，我们通常从定义问题陈述开始，然后是数据收集和准备、数据理解和模型构建，对吧？

但是，最后，我们希望我们的模型能够提供给最终用户，以便他们能够利用它。模型部署是任何机器学习项目的最后阶段之一，可能有点棘手。如何将机器学习模型传递给客户/利益相关者？当你的模型投入生产时，你需要注意哪些不同的事情？你怎么能开始部署一个模型呢？

Flask的作用来了。

什么是Flask？

Flask是一个用Python编写的web应用程序框架。它有多个模块，使web开发人员更容易编写应用程序，而不必担心协议管理、线程管理等细节。

Flask是开发web应用程序的选择之一，它为我们提供了构建web应用程序所必需的工具和库。

在本教程中，我们将利用Flask的资源来帮助我们部署自己的机器学习模型。你会喜欢用Flask工作的！

在机器上安装Flask

安装Flask简单明了。在这里，我假设你已经安装了Python 3和pip。要安装Flask，需要运行以下命令：

sudo apt-get install python3-flask

就这样！准备好深入到问题陈述中去，离部署机器学习模型更近一步。

理解问题陈述

在本节中，我们将使用Twitter数据集。我们的目标是在推特上发现仇恨言论。为了简单起见，如果推特带有种族主义或性别歧视情绪，我们说它包含仇恨言论。

我们将创建一个包含如下文本框的网页（用户可以搜索任何文本）：

对于任何搜索查询，我们将实时抓取与该文本相关的tweet，对于所有这些被抓取的tweet，我们将使用仇恨言语检测模型对种族主义和性别歧视tweet进行分类。

设置项目工作流

1. 模型构建：我们将建立一个逻辑回归模型管道来分类tweet是否包含仇恨言论。在这里，我们的重点不是如何建立一个非常精确的分类模型，而是看看如何使用Flask部署这个模型
2. 安装Twitter应用程序：我们将在Twitter开发人员的网站上创建一个Twitter应用程序，并获取身份验证密钥。我们将编写一个Python脚本来抓取与特定文本查询相关的tweet
3. 网页模板：在这里，我们将设计一个用户界面，用户可以提交他的查询
4. 获取Tweets：从用户处获取查询后，我们将使用twitter API获取与所搜索查询相关的Tweets
5. 预测类并发送结果：接下来，使用保存的模型预测tweets的类并将结果发送回网页

下面是我们刚才看到的步骤的示意图：

建立我们的机器学习模型

我们在映射到标签的CSV文件中有关于Tweets的数据。我们将使用logistic回归模型来预测tweet是否包含仇恨言论。

你可以在这里下载完整的代码和数据集。

https://github.com/lakshay-arora/Hate-Speech-Classification-deployed-using-Flask/tree/master

首先导入一些必需的库：

# 导入必需的库
import pandas as pd
from sklearn.feature_extraction.text import ENGLISH_STOP_WORDS, TfidfVectorizer
from sklearn.linear_model import LogisticRegression
from sklearn.pipeline import Pipeline
from sklearn.metrics import f1_score
from sklearn.model_selection import train_test_split

接下来，我们将读取数据集并查看顶行：

# 读取数据集
data = pd.read_csv('dataset/twitter_sentiments.csv')
# 查看顶行
data.head()

数据集有31962行和3列：

1. id：每行的唯一编号
2. label：对于正常的tweet，它是0；对于种族主义或性别歧视的tweet，它将是1。有29720个0和2242个1
3. tweet：在Twitter上发布的tweet

现在，我们将使用scikit learn的train_test_split函数将数据分为训练和测试。我们只将20%的数据用于测试。我们将对标签列上的数据进行分层抽样，以便目标标签在训练和测试数据中的分布相同：

# 分为训练集和测试集
train, test = train_test_split(data, test_size = 0.2, stratify = data['label'], random_state=21)

# 获取大小
train.shape, test.shape
## >> ((25569, 3), (6393, 3))

现在，我们将使用TfidfVectorizer 创建tweet列的TF-IDF向量，并将参数lowercase设为True，以便它首先将文本转换为小写。我们还将保持max features为1000，并传递scikit learn 库中预定义的停用词列表。

首先，创建TFidfVectorizer的对象，构建模型并将模型与训练数据tweets匹配：

# 创建TfidfVectorizer对象
tfidf_vectorizer = TfidfVectorizer(lowercase= True, max_features=1000, stop_words=ENGLISH_STOP_WORDS)

# 拟合模型
tfidf_vectorizer.fit(train.tweet)

利用模型对训练和测试数据的推文进行变换:

# #转换训练和测试数据
train_idf = tfidf_vectorizer.transform(train.tweet)
test_idf  = tfidf_vectorizer.transform(test.tweet)

现在，我们将创建一个Logistic回归模型的对象。

请记住，我们的重点不是建立一个非常精确的分类模型，而是看我们如何部署这个预测模型来获得结果。

# 创建线性回归模型的对象
model_LR = LogisticRegression()

# 用训练数据拟合模型
model_LR.fit(train_idf, train.label)

# 预测训练数据的标签
predict_train = model_LR.predict(train_idf)

# 在测试数据预测模型
predict_test = model_LR.predict(test_idf)

# f1得分
f1_score(y_true= train.label, y_pred= predict_train)
## >> 0.4888178913738019

f1_score(y_true= test.label, y_pred= predict_test)
## >> 0.45751633986928114

让我们定义管道的步骤：

1. 步骤1：创建一个tweet文本的TF-IDF向量，其中包含上面定义的1000个特征

2. 步骤2：使用逻辑回归模型预测目标标签

当我们对管道对象使用fit()函数时，这两个步骤都会执行。在模型训练过程之后，我们使用predict())函数来生成预测。

# 定义管道的阶段
pipeline = Pipeline(steps= [('tfidf', TfidfVectorizer(lowercase=True,
                                                      max_features=1000,
                                                      stop_words= ENGLISH_STOP_WORDS)),
                            ('model', LogisticRegression())])

# 用训练数据拟合管道模型                          
pipeline.fit(train.tweet, train.label)

现在，我们将使用一个示例tweet测试管道：

# 示例tweet
text = ["Virat Kohli, AB de Villiers set to auction their 'Green Day' kits from 2016 IPL match to raise funds"]

# 使用管道预测标签
pipeline.predict(text)
## >> array([0])

我们已经成功地构建了机器学习管道，我们将使用joblib库中的dump函数保存这个管道对象。只需传递管道对象和文件名：

# 导入joblib
from joblib import dump

# 保存管道模型
dump(pipeline, filename="text_classification.joblib")

它将创建一个文件“text_classification.joblib“. 现在，我们将打开另一个Python文件，并使用joblib库的load函数来加载管道模型。

让我们看看如何使用保存的模型：

# 导入joblib
from joblib import load

# tweet文本示例
text = ["Virat Kohli, AB de Villiers set to auction their 'Green Day' kits from 2016 IPL match to raise funds"]

# 加载保存的pipleine模型
pipeline = load("text_classification.joblib")

# 对tweet文本样本的预测
pipeline.predict(text)
## >> array([0])

设置Twitter API

我们需要做的第一件事是从Twitter开发人员网站获取API key, API secret key, access token，access token secret。这些密钥将帮助API进行身份验证。首先，转到这一页并填写表格。

https://developer.twitter.com/en/apps/create

一旦你填好表格，你就会拿到key。

安装tweepy

现在，我们将安装tweepy，它是一个Python库，允许我们访问Twitter API。

!pip3 install tweepy

导入所需的库并添加从Twitter接收到的身份验证密钥。Tweepy试图使身份验证对你来说尽可能无痛。

要开始这个过程，需要创建OAuthHandler实例并传递API key和API secret key。然后使用access token和access token secret对实例进行身份验证。

# 导入所需库
import tweepy
import time
import pandas as pd
pd.set_option('display.max_colwidth', 1000)

# api key
api_key = "Enter API Key Here"
# api secret key
api_secret_key = "Enter API Secret Key Here."
# access token
access_token = "Enter Access Token Here"
# access token secret
access_token_secret = "Enter Access Token Secret Here."

# 授权API Key
authentication = tweepy.OAuthHandler(api_key, api_secret_key)

#对用户access token和access token secret授权
authentication.set_access_token(access_token, access_token_secret)

# 调用api
api = tweepy.API(authentication, wait_on_rate_limit=True)

接下来，我们将定义一个函数“get_related_tweets”，它将接受参数text_query并返回与该特定文本查询相关的50条tweets。我们将使用搜索API从Twitter获取结果。

搜索API的一些参数是：

• q–最多500个字符的搜索查询字符串
• geocode–返回位于给定纬度/经度的给定半径内的用户的tweets
• lang–将tweets限制为给定的语言，由ISO 639-1代码给出
• result_type–指定希望接收的搜索结果类型。当前默认值为“mixed”。有效值包括：
  • mixed：返回包含流行和实时结果
  • recent：仅返回最近的结果
  • popular：只返回最流行的结果
• count–每页尝试检索的结果数。一次最多可以请求100条tweets
• max_id–仅返回id小于（即早于）或等于指定id的状态。使用此选项，可以自动获取大量唯一的tweets

我们将为给定的文本查询请求50条tweet以及tweet创建时间、tweet id和tweet文本，函数将返回所有tweet的数据帧：

def get_related_tweets(text_query):
    # 存储推文的列表
    tweets_list = []
    # 推特数量
    count = 50
    try:
        # 从查询中提取单个tweets
        for tweet in api.search(q=text_query, count=count):
            print(tweet.text)
            # 添加到包含所有tweets的列表
            tweets_list.append({'created_at': tweet.created_at,
                                'tweet_id': tweet.id,
                                'tweet_text': tweet.text})
        return pd.DataFrame.from_dict(tweets_list)

    except BaseException as e:
        print('failed on_status,', str(e))
        time.sleep(3)

创建网页

在这里，我们将创建一个类似于以下内容的网页：

它将有一个文本框，用户可以在其中键入文本查询，然后单击“搜索”按钮以获取搜索文本查询的结果。

我们需要添加表单标记来收集搜索容器中的数据，在表单标记中，我们将方法post和name作为“search”传递。通过提供这个方法，我们的后端代码将能够知道我们已经收到了一些名为“search”的数据，在后端，我们需要处理这些数据并发送一些数据。

这只是HTML文件的一部分。你可以在此处下载完整的代码和与此项目相关的其他文件。

https://github.com/lakshay-arora/Hate-Speech-Classification-deployed-using-Flask/tree/master

将网页与模型连接

我们已经完成了前端部分，现在我们连接模型和网页。第一步是加载保存的管道模型，我们将定义一个函数requestResults，该函数将获取所请求查询的tweets，并使用管道获取标签并返回要发送的最终结果。

# 导入所需库
from flask import Flask, render_template, request, redirect, url_for
from joblib import load
from get_tweets import get_related_tweets

# 加载管道对象
pipeline = load("text_classification.joblib")

# 获取特定文本查询的结果
def requestResults(name):
    # 获取推特文本
    tweets = get_related_tweets(name)
    # 获取预测
    tweets['prediction'] = pipeline.predict(tweets['tweet_text'])
    # 获取预测的不同标签的值计数
    data = str(tweets.prediction.value_counts()) + '\n\n'
    return data + str(tweets)

现在，首先，创建Flask类的一个对象，该对象将以当前模块名作为参数。route函数将告诉Flask应用程序下一步要在网页上呈现哪个URL。

当Flask服务器运行时，Flask应用程序将路由到默认URL路径并调用home函数，它将呈现home.html文件。

现在，每当有人发送文本查询时，Flask将检测post方法并调用get_data函数，在这里我们将使用名称搜索获取表单数据，然后重定向到success函数。

最后，success函数将使用requestResults函数获取数据并将其发送回网页。

# 启动flask
app = Flask(__name__)

# 渲染网页
@app.route('/')
def home():
    return render_template('home.html')

# 当post方法检测到时，则重定向到success函数
@app.route('/', methods=['POST', 'GET'])
def get_data():
    if request.method == 'POST':
        user = request.form['search']
        return redirect(url_for('success', name=user))

# 获取请求查询的数据
@app.route('/success/<name>')
def success(name):
    return "<xmp>" + str(requestResults(name)) + " </xmp> "

现在，调用run函数启动Flask服务器：

app.run(debug=True)

查看部署模型

我们已成功启动Flask服务器！打开浏览器并转到此地址-http://127.0.0.1:5000/。你将看到Flask服务器已呈现默认模板。现在搜索任何查询，如iplt20：

Flask服务器将接收与iplt20相关的数据和新tweets请求，并使用该模型预测标签并返回结果。

令人惊叹！在这里，在50条推文中，我们的模型预测了3条包含仇恨言论的推文。我们可以添加更多的功能，比如请求来自某个国家的推文。

结尾

这就是使用Flask执行模型部署的方法！部署机器学习模型听起来可能是一项复杂而繁重的任务，但是一旦你了解了它是什么以及它是如何工作的，你就已经完成了一半。

原文链接：https://www.analyticsvidhya.com/blog/2020/04/how-to-deploy-machine-learning-model-flask/