企业官网建设流程全解析

ML-For-Beginners 实战：用南瓜回归模型重建 Flask Web 应用（"Try a different model"作业指南）

【免费下载链接】ML-For-Beginners12 weeks, 26 lessons, 52 quizzes, classic Machine Learning for all项目地址: https://gitcode.com/GitHub_Trending/ml/ML-For-Beginners

本篇技术指南围绕 ML-For-Beginners 课程第 3 单元（3-Web-App）作业任务展开：当你已经用 UFO 数据集训练逻辑回归模型并构建了一个可用的 Flask Web 应用后，如何从之前的回归课程中挑选另一个模型，重新设计这个 Web 应用，并正确调整输入以匹配新模型的训练方式。读完本文，你将掌握"模型消费端"的完整迁移方法论——包括数据清理、模型 pickle 序列化、Flask 表单与预测路由的联动，以及如何让输入输出契约跟随模型一起更换，最终交付一个可以部署到云端的新 Web 应用。

一、作业任务解读：本质是"换模型，而不是换框架"

本作业（translations/el/3-Web-App/1-Web-App/assignment.md，英文原版见 3-Web-App/1-Web-App/assignment.md）的要求非常明确：

现在你已经使用一个训练好的回归模型构建了一个 Web 应用，请使用之前回归课程中的一个模型来重新设计这个应用。你可以保持原有风格，也可以重新设计样式以反映南瓜数据。务必修改输入字段，使其反映你所选模型的训练方法。

这句话拆解出三个硬性验收点：

1. 必须换模型：UFO 应用里的模型不能再直接沿用，需要从第 2 单元（2-Regression）的回归课程中挑选替代模型；
2. 必须换输入：原表单的三个输入（Seconds、Latitude、Longitude）与 UFO 模型的特征一一对应；换了模型，表单输入就必须对应新模型的特征，这是最容易出错、也是作业特别提醒的环节；
3. 必须能运行并部署：评估标准明确要求应用"按预期运行并部署到云端"。

对应的评估标准（Rubric）整理如下：

也就是说，仅仅"本地能跑"只能算合格，完整得分的前提是部署上云。本文后续会给出一个可操作的部署检查清单（云部署需注意关闭调试模式等）。

二、先回顾原应用：UFO 预测 Web App 是怎么构建的

要"重新设计"这个应用，首先必须吃透原应用的构建链路。原应用完整教程见 3-Web-App/1-Web-App/README.md，完整可运行源码见 solution 目录。整条链路分四步：清理数据 → 训练模型 → pickle 序列化 → Flask 消费。

2.1 为什么模型要"序列化"？

生产环境里，训练和推理往往是分离的：数据科学团队在 Notebook 里训练模型，应用团队在 Web 服务里消费模型。本课程使用两个 Python 工具完成衔接：

• Flask：微框架，提供路由、模板渲染等 Web 基础能力，用来搭建消费模型的页面；
• Pickle：Python 自带的序列化/反序列化模块。pickle.dump将模型对象"压平"成二进制文件（后缀.pkl），pickle.load再还原。⚠️ 注意：pickle 本身不安全，不要反序列化来路不明的文件——这在换模型时同样适用，请只加载你自己训练的.pkl。

2.2 数据清理：从 80,000 条 UFO 目击记录到训练集

本课使用 NUFORC（美国国家 UFO 报告中心）收集的约 8 万条目击记录，数据位于 3-Web-App/1-Web-App/data/ufos.csv，包含city、state、country、shape、latitude、longitude等列。在配套的 notebook.ipynb 中按以下步骤处理：

import pandas as pd import numpy as np ufos = pd.read_csv('./data/ufos.csv') ufos.head()

# 只保留建模需要的四列，并查看 Country 的唯一值 ufos = pd.DataFrame({'Seconds': ufos['duration (seconds)'], 'Country': ufos['country'], 'Latitude': ufos['latitude'], 'Longitude': ufos['longitude']}) ufos.Country.unique()

# 丢弃空值，只保留目击时长 1-60 秒的记录，减少数据规模 ufos.dropna(inplace=True) ufos = ufos[(ufos['Seconds'] >= 1) & (ufos['Seconds'] <= 60)] ufos.info()

# LabelEncoder 按字母顺序把国家文本编码为数字 from sklearn.preprocessing import LabelEncoder ufos['Country'] = LabelEncoder().fit_transform(ufos['Country']) ufos.head()

编码后数据形如（Seconds/Country/Latitude/Longitude）：

2 20.0 3 53.200000 -2.916667 3 20.0 4 28.978333 -96.645833 14 30.0 4 35.823889 -80.253611 23 60.0 4 45.582778 -122.352222 24 3.0 3 51.783333 -0.783333

换模型的第一个启发：文本类别 → 数字的转换（LabelEncoder）是在训练前完成的，新模型的表单提交数值必须与编码后的语义一致。

2.3 训练模型：输入三个特征，输出国家编号

from sklearn.model_selection import train_test_split Selected_features = ['Seconds','Latitude','Longitude'] X = ufos[Selected_features] y = ufos['Country'] X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

from sklearn.metrics import accuracy_score, classification_report from sklearn.linear_model import LogisticRegression model = LogisticRegression() model.fit(X_train, y_train) predictions = model.predict(X_test) print(classification_report(y_test, predictions)) print('Predicted labels: ', predictions) print('Accuracy: ', accuracy_score(y_test, predictions))

该模型准确率约95%——并不意外，因为Country与经纬度天然强相关。作者也明确提示：这个模型"并不革命性"，它的意义在于演示"从清理数据 → 导出模型 → 在 Web 中消费"的完整工程链路。

2.4 pickle 序列化与验证

import pickle model_filename = 'ufo-model.pkl' pickle.dump(model, open(model_filename,'wb')) # 重新加载并预测一个样例：[秒数, 纬度, 经度] model = pickle.load(open('ufo-model.pkl','rb')) print(model.predict([[50,44,-12]]))

输出'3'，即英国（UK）的国家编码。仓库中已训练好的模型文件位于 solution/ufo-model.pkl。

2.5 Flask 应用：三个文件撑起一个预测页面

在原 README 的指导下，web-app目录结构如下：

web-app/ static/ css/ templates/ notebook.ipynb ufo-model.pkl

① requirements.txt（作用类似 JavaScript 项目的package.json，声明依赖）：

scikit-learn pandas numpy flask

安装：cd web-app后执行pip install -r requirements.txt。仓库中的真实依赖清单见 solution/web-app/requirements.txt。

② static/css/styles.css：黑色背景的简约深色样式，核心代码见 solution/web-app/static/css/styles.css：

body { width: 100%; height: 100%; font-family: 'Helvetica'; background: black; color: #fff; text-align: center; letter-spacing: 1.4px; font-size: 30px; } input { min-width: 150px; } .grid { width: 300px; border: 1px solid #2d2d2d; display: grid; justify-content: center; margin: 20px auto; } .box { color: #fff; background: #2d2d2d; padding: 12px; display: inline-block; }

③ templates/index.html：注意两个 Jinja2 模板语法——{{ }}插值由后端注入的变量，url_for('predict')生成路由地址，表单以 POST 提交到/predict路由。完整代码见 solution/web-app/templates/index.html：

<!DOCTYPE html> <html> <head> <meta charset="UTF-8"> <title>🛸 UFO Appearance Prediction! 👽</title> <link rel="stylesheet" href="{{ url_for('static', filename='css/styles.css') }}"> </head> <body> <div class="grid"> <div class="box"> <p>According to the number of seconds, latitude and longitude, which country is likely to have reported seeing a UFO?</p> <form action="{{ url_for('predict')}}" method="post"> <input type="number" name="seconds" placeholder="Seconds" required="required" min="0" max="60" /> <input type="text" name="latitude" placeholder="Latitude" required="required" /> <input type="text" name="longitude" placeholder="Longitude" required="required" /> <button type="submit" class="btn">Predict country where the UFO is seen</button> </form> <p>{{ prediction_text }}</p> </div> </div> </body> </html>

④ app.py：模型消费的核心逻辑，见 solution/web-app/app.py：

import numpy as np from flask import Flask, request, render_template import pickle app = Flask(__name__) model = pickle.load(open("./ufo-model.pkl", "rb")) @app.route("/") def home(): return render_template("index.html") @app.route("/predict", methods=["POST"]) def predict(): int_features = [int(x) for x in request.form.values()] final_features = [np.array(int_features)] prediction = model.predict(final_features) output = prediction[0] countries = ["Australia", "Canada", "Germany", "UK", "US"] return render_template( "index.html", prediction_text="Likely country: {}".format(countries[output]) ) if __name__ == "__main__": app.run(debug=True)

这段代码的运行流程是：加载依赖并启动应用 →pickle.load导入模型 → 首页路由渲染index.html；当表单 POST 到/predict时，按表单字段顺序收集数值并转为 numpy 数组，交给model.predict，再把预测出的国家编号映射回可读的国家名，最后回填模板。

💡 提示：debug=True让 Flask 在代码改动后自动重载，便于本地调试，但生产环境严禁开启（存在安全隐患）。本作业要求"部署到云端"，部署前务必移除或改为debug=False。

关键工程经验：用 Flask + pickle 消费模型的难点不在框架，而在弄清楚模型预测所需的输入数据形状（shape）——它完全取决于模型训练时的特征。原模型训练用了 3 个特征，所以表单有 3 个输入框；这正是作业要求"修改输入以反映模型训练方法"的根本原因。

三、挑选替代模型：从第 2 单元回归课程取材

作业指定"使用之前回归课程中的一个模型"。第 2 单元（2-Regression）提供了多个候选：

• 3-Linear 线性回归：用南瓜价格数据集（2-Regression/data/US-pumpkins.csv），以Month、DayOfYear、Variety等特征预测每蒲式耳南瓜价格（数值型输出），是"换模型重做"最贴合的选择——因为作业明确提到"重新设计以反映南瓜数据"；
• 4-Logistic 逻辑回归：同样是南瓜数据，但预测的是二分类目标（Color：橙色/白色），特征包括City Name、Package、Variety、Origin、Item Size等；
• 其他课程：1-Tools、2-Data 侧重于工具与数据可视化。

以线性回归预测南瓜价格为例（对应课程 2-Regression/3-Linear/README.md），模型的输入输出契约与 UFO 模型对比如下：

从源码结构看，solution/web-app/app.py 中int_features = [int(x) for x in request.form.values()]隐含假设"表单所有字段都是可直接转 int 的数值"。一旦换成含类别特征的南瓜模型，这一行就必须重写——这正是作业强调"改变输入"的落点。

四、迁移实现：把 UFO 应用改造成南瓜价格预测应用

下面给出基于 solution 源码风格的重建方案，重点演示"输入契约"如何跟随模型变化。注意：新模型需要先按 3-Linear 课程 的 notebook 流程训练（课程指出其数据已预清理，并计算了DayOfYear列），再将模型 pickle 为pumpkin-model.pkl放到 web 应用目录。

4.1 修改 requirements.txt

保持四个基础依赖不变（scikit-learn、pandas、numpy、flask），若新模型使用了Pipeline等额外模块也无需新增依赖，它们都在 scikit-learn 内。

4.2 重写 app.py：加载模型、改造路由

核心变化有三处：模型加载路径、表单数值收集逻辑（处理类别特征）、结果展示（价格而非国家名）。

import numpy as np from flask import Flask, request, render_template import pickle from sklearn.preprocessing import LabelEncoder app = Flask(__name__) # 加载新模型（自行训练的南瓜价格模型） model = pickle.load(open("./pumpkin-model.pkl", "rb")) @app.route("/") def home(): return render_template("index.html") @app.route("/predict", methods=["POST"]) def predict(): # 注意：这里需要按新模型的训练方式组织特征。 # 若模型包含对文本类别（如 Variety）的 LabelEncoder， # 需先读取表单中的文本值并做同样的编码转换。 form = request.form month = int(form["month"]) day_of_year = int(form["day_of_year"]) variety = LabelEncoder().fit(["PIE TYPE", "FAIRYTALE"]).transform([form["variety"]])[0] final_features = [np.array([month, day_of_year, variety])] prediction = model.predict(final_features) price = prediction[0] return render_template( "index.html", prediction_text="Predicted price per bushel: ${:.2f}".format(price), ) if __name__ == "__main__": app.run(debug=False) # 部署到云端前必须关闭 debug

上面LabelEncoder().fit(...)仅用于说明编码思路——实际实现必须复用训练阶段保存的同一个 encoder（训练时一并 pickle，或在模型中用Pipeline封装），否则编码不一致会导致预测错乱。这是换模型后最隐蔽的坑。

4.3 修改 index.html：输入字段对应新特征

原表单的seconds、latitude、longitude三个输入框需要替换为南瓜模型的特征字段，例如月份、一年中的第几天、品种等：

<form action="{{ url_for('predict')}}" method="post"> <input type="number" name="month" placeholder="Month (1-12)" required="required" min="1" max="12" /> <input type="number" name="day_of_year" placeholder="Day of year (1-365)" required="required" min="1" max="365" /> <input type="text" name="variety" placeholder="Variety (e.g. PIE TYPE)" required="required" /> <button type="submit" class="btn">Predict pumpkin price</button> </form> <p>{{ prediction_text }}</p>

样式层（styles.css）可完全保留深色风格，也可以按作业提示"重新设计以反映南瓜数据"调整配色——样式不影响模型契约，属于自由发挥项。

4.4 本地运行与验证

cd web-app pip install -r requirements.txt python app.py # 或 python3 app.py

浏览器打开本地地址，填入表单值即可看到预测结果。验证要点：用训练集里已知的样本数据（如某月、某品种的真实价格）回填，检查输出是否与训练时的预测一致——这一步能快速暴露"输入契约错位"的问题。

4.5 部署到云端（达到"优秀"等级的关键）

按 Rubric，"已部署到云端"才得满分。通用做法是把web-app目录推送到支持 Python 的 PaaS 平台（如 Azure App Service、Render、Railway 等），平台会根据requirements.txt自动安装依赖并启动app.py。部署前务必检查：

1. app.run(debug=False)（或使用平台注入的端口环境变量）；
2. ufo-model.pkl/pumpkin-model.pkl与app.py的相对路径在部署环境同样有效（建议使用os.path.join基于脚本目录构造绝对路径）；
3. requirements.txt完整列出运行依赖。

五、完成度自检清单（对照 Rubric 自查）

提交前对照评估标准逐项检查：

• 新模型来自第 2 单元回归课程（线性/逻辑回归皆可，本文以南瓜价格线性回归为例）；
• 表单输入已改为新模型的特征，且与训练时的特征顺序、编码方式完全一致；
• app.py的predict路由能正确处理新模型输出（数值价格 vs. 类别编号的展示方式不同）；
• 本地python app.py运行无报错，用已知样本验证预测结果合理；
• 已部署到云端，线上地址可访问，未开启debug=True；
• 样式可选：重新设计以反映南瓜数据主题。

六、进阶挑战：在 Flask 应用内直接训练模型

原 README 的 🚀 Challenge 提出了一个延伸方向：不经过 Notebook 和 pickle，直接在 Flask 应用里训练模型——即在数据清理完成后，为应用增加一个train路由，在应用进程内完成model.fit()，预测路由直接复用内存中的模型对象。

这种方法的好处是省去了"训练环境 → 部署环境"的模型搬运和版本同步问题；代价是每次启动应用都要重新训练（耗时随数据量增长）、Web 进程与训练负载耦合（不利于扩展），且调试与实验迭代体验不如 Notebook。这也是作业要求之外值得思考的架构权衡：模型应该"驻留在应用内"还是"存放在云端由 API 提供"，会直接影响整个应用的技术选型。

七、小结

本作业的核心不在"换一个模型跑通"，而在于理解模型输入输出契约（contract）对 Web 应用形态的约束。回顾整条链路：UFO 应用是"3 个数值特征 → 类别编号"，南瓜价格应用则是"混合特征（含类别）→ 连续数值"，差异直接体现在表单字段、编码逻辑和结果展示三处。通过 solution 目录的完整源码对照练习，你就能掌握"训练与消费解耦"的通用能力——这也是数据科学团队与 Web 工程团队协作时最关键的接口知识。

【免费下载链接】ML-For-Beginners12 weeks, 26 lessons, 52 quizzes, classic Machine Learning for all项目地址: https://gitcode.com/GitHub_Trending/ml/ML-For-Beginners