如何在FastAPI中使用机器学习模型进行数据预测

1. FastAPI简介

FastAPI 是一个现代、快速的 (高性能) Web 框架，用于构建 APIs。

与 NodeJS、Django 和 Flask 等框架不同，FastAPI 借助 Python 类型注解获得效率。Python 的类型提示可以消除运行时错误并增强 IDE 支持（code completion 等）。

FastAPI 非常快 (具有 Rust 的速度)，并提供了自动化的 API 文档（基于 JSON Schema）。

2. 机器学习模型预测

2.1. 数据预处理

数据是机器学习模型的基础，可以根据实际需求，对数据进行清洗、切分、归一化等操作，为模型的输入提供满足条件的数据。

import pandas as pd

data = pd.read_csv('data.csv')
# 数据清洗
data = data.dropna(how='any', axis=0)
# 数据切分
train_data = data.iloc[:,:-1]
train_label = data.iloc[:, -1]

2.2. 模型训练

对数据预处理后，可以开始训练模型，以决策树模型为例：

from sklearn.tree import DecisionTreeClassifier

from sklearn.model_selection import train_test_split
# 数据切分
X_train, X_test, y_train, y_test = train_test_split(train_data, train_label, test_size=0.25)
# 训练模型
model = DecisionTreeClassifier()
model.fit(X_train, y_train)

2.3. 模型预测

模型训练好后，可以使用模型预测数据，决策树模型为例：

# 数据预测

result = model.predict(X_test)
# 预测结果与真实结果的比对
print((result == y_test).sum() / result.shape[0])

3. 在FastAPI中使用机器学习模型进行数据预测

3.1. 安装依赖包

使用 FastAPI 进行部署的时候，需要安装 Requests、Pandas 和 Scikit-Learn 等 Python 库。

pip install -U fastapi

pip install -U uvicorn[standard]
pip install requests
pip install pandas
pip install scikit-learn

3.2. 编写接口

编写接口，以决策树模型为例，在 FastAPI 中接受输入，将输入传入模型进行预测，将预测结果返回。

from fastapi import FastAPI

from pydantic import BaseModel
class Item(BaseModel):
    x1: float
    x2: float
    x3: float
    x4: float
app = FastAPI()
@app.post("/predict")
async def predict(item: Item):
    data = {
        'x1': [item.x1],
        'x2': [item.x2],
        'x3': [item.x3],
        'x4': [item.x4]
    }
    data = pd.DataFrame(data)
    # 预测
    result = model.predict(data)
    return {
        'result': int(result[0])
    }

3.3. 启动服务

启动服务，使用 HTTP 协议端口为8000，可以通过如下代码启动服务：

if __name__ == '__main__':

    uvicorn.run(app, host="127.0.0.1", port=8000)

3.4. 使用 API 进行预测

使用 POST 请求，将数据发送给接口进行预测：

import requests

import json
url = 'http://127.0.0.1:8000/predict'
data = {
    'x1': 4.2,
    'x2': 3.1,
    'x3': 1.5,
    'x4': 0.2
}
response = requests.post(url, data=json.dumps(data))
print(response.json()['result'])

总结：FastAPI 是一款高性能的 Python Web 端框架，可以使用 FastAPI 进行机器学习模型的预测，提高模型的实时性。FastAPI 主要适用于项目需要高并发、低延迟的 API 端场景，因此需要在不降低性能的情况下提供良好的可维护性和可扩展性。