用Python开发一个自然语言处理模型，并用Flask进行部署

　　截住到目前为止，我们已经开发了许多机器学习模型，对测试数据进行了数值预测，并测试了结果。实际上，生成预测只是机器学习项目的一部分，尽管它是我认为最重要的部分。今天我们来创建一个用于文档分类、垃圾过滤的自然语言处理模型，使用机器学习来检测垃圾短信文本消息。我们的ML系统工作流程如下：离线训练->将模型作为服务提供->在线预测。
　　1、通过垃圾邮件和非垃圾邮件训练离线分类器。
　　2、经过训练的模型被部署为服务用户的服务。
　　当我们开发机器学习模型时，我们需要考虑如何部署它，即如何使这个模型可供其他用户使用。Kaggle和数据科学训练营非常适合学习如何构建和优化模型，但他们并没有教会工程师如何将它们带给其他用户使用，建立模型与实际为人们提供产品和服务之间存在重大差异。
　　在本文中，我们将重点关注：构建垃圾短信分类的机器学习模型，然后使用Flask（用于构建Web应用程序的Python微框架）为模型创建API。此API允许用户通过HTTP请求利用预测功能。让我们开始吧！
　　构建ML模型
　　数据是标记为垃圾邮件或正常邮件的SMS消息的集合，可在此处找到。首先，我们将使用此数据集构建预测模型，以准确分类哪些文本是垃圾邮件。朴素贝叶斯分类器是一种流行的电子邮件过滤统计技术。他们通常使用词袋功能来识别垃圾邮件。因此，我们将使用Naive Bayes定理构建一个简单的消息分类器。import pandas as pd
　　import numpy as np
　　from sklearn.feature_extraction.text import CountVectorizer
　　from sklearn.model_selection import train_test_split
　　from sklearn.naive_bayes import MultinomialNB
　　from sklearn.metrics import classification_report
　　df = pd.read_csv(＂spam.csv＂, encoding=＂latin-1＂)
　　df.drop([＂Unnamed: 2＂, ＂Unnamed: 3＂, ＂Unnamed: 4＂], axis=1, inplace=True)
　　df[＂label＂] = df[＂class＂].map({＂ham＂: 0, ＂spam＂: 1})
　　X = df[＂message＂]
　　y = df[＂label＂]
　　cv = CountVectorizer()
　　X = cv.fit_transform(X) # Fit the Data
　　X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)
　　#Naive Bayes Classifier
　　clf = MultinomialNB()
　　clf.fit(X_train,y_train)
　　clf.score(X_test,y_test)
　　y_pred = clf.predict(X_test)
　　print(classification_report(y_test, y_pred))
　　Naive Bayes分类器不仅易于实现，而且提供了非常好的性能。在训练模型之后，我们都希望有一种方法来保持模型以供将来使用而无需重新训练。为实现此目的，我们添加以下行以将我们的模型保存为.pkl文件供以后使用。from sklearn.externals import joblib
　　joblib.dump(clf, ＂NB_spam_model.pkl＂)
　　我们加载并使用保存的模型：NB_spam_model = open(＂NB_spam_model.pkl＂,＂rb＂)
　　clf = joblib.load(NB_spam_model)
　　上述过程称为＂标准格式的持久模型＂，即模型以特定的开发语言的特定格式持久存储。下一步就是将模型在一个微服务中提供，该服务的公开端点用来接收来自客户端的请求。
　　将垃圾邮件分类器转换为Web应用程序
　　在上一节中准备好用于对SMS消息进行分类的代码之后，我们将开发一个Web应用程序，该应用程序由一个简单的Web页面组成，该页面具有允许我们输入消息的表单字段。在将消息提交给Web应用程序后，它将在新页面上呈现该消息，从而为我们提供是否为垃圾邮件的结果。
　　首先，我们为这个项目创建一个名为SMS-Message-Spam-Detector 的文件夹，这是该文件夹中的目录树，接下来我们将解释每个文件。spam.csv
　　app.py
　　templates/
　　home.html
　　result.html
　　static/
　　style.css
　　子目录templates是Flask在Web浏览器中查找静态HTML文件的目录，在我们的例子中，我们有两个html文件：home.html和result.html 。
　　app.py
　　app.py文件包含将由Python解释器执行以运行Flask Web应用程序的主代码，还包含用于对SMS消息进行分类的ML代码：from flask import Flask,render_template,url_for,request
　　import pandas as pd
　　import pickle
　　from sklearn.feature_extraction.text import CountVectorizer
　　from sklearn.naive_bayes import MultinomialNB
　　from sklearn.externals import joblib
　　app = Flask(__name__)
　　@app.route(＂/＂)
　　def home():
　　return render_template(＂home.html＂)
　　@app.route(＂/predict＂,methods=[＂POST＂])
　　def predict():
　　df= pd.read_csv(＂spam.csv＂, encoding=＂latin-1＂)
　　df.drop([＂Unnamed: 2＂, ＂Unnamed: 3＂, ＂Unnamed: 4＂], axis=1, inplace=True)
　　# Features and Labels
　　df[＂label＂] = df[＂class＂].map({＂ham＂: 0, ＂spam＂: 1})
　　X = df[＂message＂]
　　y = df[＂label＂]
　　# Extract Feature With CountVectorizer
　　cv = CountVectorizer()
　　X = cv.fit_transform(X) # Fit the Data
　　from sklearn.model_selection import train_test_split
　　X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)
　　#Naive Bayes Classifier
　　from sklearn.naive_bayes import MultinomialNB
　　clf = MultinomialNB()
　　clf.fit(X_train,y_train)
　　clf.score(X_test,y_test)
　　#Alternative Usage of Saved Model
　　# joblib.dump(clf, ＂NB_spam_model.pkl＂)
　　# NB_spam_model = open(＂NB_spam_model.pkl＂,＂rb＂)
　　# clf = joblib.load(NB_spam_model)
　　if request.method == ＂POST＂:
　　message = request.form[＂message＂]
　　data = [message]
　　vect = cv.transform(data).toarray()
　　my_prediction = clf.predict(vect)
　　return render_template(＂result.html＂,prediction = my_prediction)
　　if __name__ == ＂__main__＂:
　　app.run(debug=True)
　　1、我们将应用程序作为单个模块运行，因此我们使用参数初始化了一个新的Flask实例，__name__是为了让Flask知道它可以在templates所在的同一目录中找到HTML模板文件夹（）。
　　2、接下来，我们使用route decorator（@app.route(＂/＂)）来指定可以触发home 函数执行的URL 。我们的home 函数只是呈现home.htmlHTML文件，该文件位于templates文件夹中。
　　3、在predict函数内部，我们访问垃圾邮件数据集、预处理文本、进行预测，然后存储模型。我们访问用户输入的新消息，并使用我们的模型对其标签进行预测。
　　4、我们使用该POST方法将表单数据传输到邮件正文中的服务器。最后，通过debug=True在app.run方法中设置参数，进一步激活Flask的调试器。
　　5、最后，我们使用run函数执行在服务器上的脚本文件，我们需要确保使用if语句 __name__ == ＂__main__＂。
　　home.html
　　以下是home.html将呈现文本表单的文件的内容，用户可以在其中输入消息：<!DOCTYPE html>
　　<html>
　　<head>
　　<title>Home</title>
　　<!-- <link rel=＂stylesheet＂ type=＂text/css＂ href=＂../static/css/styles.css＂> -->
　　<link rel=＂stylesheet＂ type=＂text/css＂ href=＂{{ url_for(＂static＂, filename=＂css/styles.css＂) }}＂>
　　</head>
　　<body>
　　<header>
　　<p class=＂container＂>
　　<p id=＂brandname＂>
　　Machine Learning App with Flask
　　</p>
　　<h2>Spam Detector For SMS Messages</h2>
　　</p>
　　</header>
　　<p class=＂ml-container＂>
　　<form action=＂{{ url_for(＂predict＂)}}＂ method=＂POST＂>
　　<p>Enter Your Message Here</p>
　　<!-- <input type=＂text＂ name=＂comment＂/> -->
　　<textarea name=＂message＂ rows=＂4＂ cols=＂50＂></textarea>
　　<input type=＂submit＂ class=＂btn-info＂ value=＂predict＂>
　　</form>
　　</p>
　　</body>
　　</html>
　　view raw
　　style.css文件
　　在home.html的head部分，我们将加载styles.css文件，CSS文件是用于确定HTML文档的外观和风格的。styles.css必须保存在一个名为的子目录中static，这是Flask查找静态文件（如CSS）的默认目录。body{
　　font:15px/1.5 Arial, Helvetica,sans-serif;
　　padding: 0px;
　　background-color:#f4f3f3;
　　}
　　.container{
　　width:100%;
　　margin: auto;
　　overflow: hidden;
　　}
　　header{
　　background:#03A9F4;#35434a;
　　border-bottom:#448AFF 3px solid;
　　height:120px;
　　width:100%;
　　padding-top:30px;
　　}
　　.main-header{
　　text-align:center;
　　background-color: blue;
　　height:100px;
　　width:100%;
　　margin:0px;
　　}
　　#brandname{
　　float:left;
　　font-size:30px;
　　color: #fff;
　　margin: 10px;
　　}
　　header h2{
　　text-align:center;
　　color:#fff;
　　}
　　.btn-info {background-color: #2196F3;
　　height:40px;
　　width:100px;} /* Blue */
　　.btn-info:hover {background: #0b7dda;}
　　.resultss{
　　border-radius: 15px 50px;
　　background: #345fe4;
　　padding: 20px;
　　width: 200px;
　　height: 150px;
　　}
　　style.css文件
　　result.html
　　我们创建一个result.html文件，该文件将通过函数render_template(＂result.html＂, prediction=my_prediction)返回呈现predict，我们在app.py脚本中定义该文件以显示用户通过文本字段提交的文本。result.html文件包含以下内容：<!DOCTYPE html>
　　<html>
　　<head>
　　<title></title>
　　<link rel=＂stylesheet＂ type=＂text/css＂ href=＂{{ url_for(＂static＂, filename=＂css/styles.css＂) }}＂>
　　</head>
　　<body>
　　<header>
　　<p class=＂container＂>
　　<p id=＂brandname＂>
　　ML App
　　</p>
　　<h2>Spam Detector For SMS Messages</h2>
　　</p>
　　</header>
　　<p style=＂color:blue;font-size:20;text-align: center;＂><b>Results for Comment</b></p>
　　<p class=＂results＂>
　　{% if prediction == 1%}
　　<h2 style=＂color:red;＂>Spam</h2>
　　{% elif prediction == 0%}
　　<h2 style=＂color:blue;＂>Not a Spam (It is a Ham)</h2>
　　{% endif %}
　　</p>
　　</body>
　　</html>
　　result.html
　　从result.htm文件我们可以看到一些代码使用通常在HTML文件中找不到的语法例如，{% if prediction ==1%},{% elif prediction == 0%},{% endif %}这是jinja语法，它用于访问从HTML文件中请求返回的预测。
　　我们就要大功告成了！
　　完成上述所有操作后，你可以通过双击appy.py 或从终端执行命令来开始运行API ：cd SMS-Message-Spam-Detector
　　python app.py
　　你应该得到以下输出：
　　现在你可以打开Web浏览器并导航到http://127.0.0.1:5000/，你应该看到一个简单的网站，内容如下：
　　恭喜！我们现在以零成本的代价创建了端到端机器学习（NLP）应用程序。如果你回顾一下，其实整个过程根本不复杂。有点耐心和渴望学习的动力，任何人都可以做到。所有开源工具都使每件事都成为可能。
　　更重要的是，我们能够将我们对机器学习理论的知识扩展到有用和实用的Web应用程序！
　　完整的工作源代码可在此存储库中找到，祝你度过愉快的一周！
　　本文由阿里云云栖社区组织翻译。
　　文章原标题《develop-a-nlp-model-in-python-deploy-it-with-flask-step-by-step》作者：Susan Li，加拿大数据科学家
　　作者：【方向】