Einfache Machine Learning Web Applikation
Vorhersage / Erkennen von Irisblüten.
Im Frontend akzeptiert die Seitenleiste auf der linken Seite Eingabeparameter, die sich auf Merkmale (d.h. Blütenblattlänge, Blütenblattbreite, Kelchblattlänge und Kelchblattbreite) von Irisblüten beziehen. Diese Merkmale werden an das Backend weitergeleitet, wo das trainierte Modell die Klassenbezeichnungen in Abhängigkeit von den Eingabeparametern vorhersagen wird. Die Vorhersageergebnisse werden zur Anzeige an das Front-End zurückgesendet.
Im Back-End werden die Benutzereingabeparameter in einem Datenrahmen gespeichert, der als Testdaten verwendet wird. In der Zwischenzeit wird ein Klassifizierungsmodell unter Verwendung des Random-Forest-Algorithmus aus der Scikit-Lernbibliothek erstellt. Schließlich wird das Modell angewandt, um Vorhersagen über die Benutzereingabedaten zu machen und die vorhergesagten Klassenbezeichnungen als eine von drei Blütentypen zurückzugeben: Setosa, Versicolor oder Virginica. Zusätzlich wird auch die Vorhersagewahrscheinlichkeit angegeben, die es uns ermöglicht, die relative Zuverlässigkeit der vorhergesagten Klassenbezeichnungen zu erkennen.
In diesem Tutorial werden wir drei Python-Bibliotheken verwenden, nämlich streamlit, pandas und scikit-learn. Sie können diese Bibliotheken mit dem Befehl pip install installieren.