使用flask将机器学习模型嵌入到web系统中

在这篇文章中，主要介绍如何将一个机器学习的模型嵌入到web系统中，这篇文章的主要内容包括：

1、利用flask构建一个简单的web
2、将机器学习模型嵌入到web系统中
3、根据用户的反馈来更新模型

主要包括三个页面，评论提交页面、分类结果页面、感谢页面。当用户提交评论后跳转到结果页面，后台根据已有的模型来预测用户评论是属于正面评论还是负面评论，返回属于哪一种评论并且返回属于该种类的概率为多少。提供两个用户反馈结果按钮，如果用户点击正确按钮，则说明预测正确，否则预测错误，并将结果保存到SQLlite数据库中，然后再跳转到感谢页面。

一、项目结构

github项目开源地址：https://github.com/steelOneself/flask_web

db：目录中存放SQLite数据库文件。

pkl：存放模型文件，stopwords.pk为停用词文件，classifer.pkl为模型文件。

static：为静态文件目录，主要存放js和css文件。

templates：为模板文件目录，用来存放html文件。

app.py：主要文件，包含界面跳转和模型预测等功能。

updatePkl.py：为模型更新文件。

vectorizer.py：将评论转换成为特征向量便于预测。

二、界面说明

界面做的比较简单，没有过多的去调整的样式，主要是实现功能。

1、用户提交评论界面