sleamlit 는 웹 애플리케이션 데이터 과학 및 머신 러닝 머신 러닝 를 만들 수있는 강력한 오픈 소스 프레임 워크입니다.

간단하고 직관적이며 는 프론트 엔드 경험이 필요하지 않으므로 머신 러닝 모델을 신속하게 배포하려는 초보자와 숙련 된 개발자 모두에게 훌륭한 도구가됩니다.

이 블로그에서는 단계별 프로세스를 안내하여 기본 간단한 앱과

머신 러닝 프로젝트 를 구축하여 iris dataSet 를 사용하여 무작위 적용 회사가 있습니다. .

Streamlit 시작하기

우리가 프로젝트에 뛰어 들기 전에, 기본적인 간단한 기능을 살펴보고 프레임 워크에 익숙해 봅시다. 다음 명령을 사용하여 sleamlit을 설치할 수 있습니다 :

PIP 설치 능력

pip install streamlit

일단 설치되면 Python 파일을 작성하고 App.py를 작성하고 다음을 사용하여 첫 번째

sleamlit 앱을 시작할 수 있습니다 :

lemlit run app.py

pip install streamlit

이제 sleamlit의 핵심 기능을 탐색합시다 :

1. 제목을 작성하고 텍스트 표시

ST로 간소화를 가져옵니다 # 제목 작성 St.Title ( "Hello World") # 간단한 텍스트를 표시합니다 St.Write ( "간단한 텍스트 표시")

pip install streamlit

2. 데이터 프레임 표시

팬더를 PD로 가져옵니다 # 데이터 프레임 생성 df = pd.dataframe ({{ "첫 번째 열": [1, 2, 3, 4], "두 번째 열": [5, 6, 7, 8] }) # 데이터 프레임을 표시합니다 St.Write ( "데이터 프레임 표시") St.Write (DF)

pip install streamlit

3. 차트로 데이터 시각화

Numpy를 NP로 가져옵니다 # 랜덤 데이터 생성 Chart_data = pd.dataframe ( np.random.randn (20, 4), 열 =

import numpy as np

# Generating random data
chart_data = pd.DataFrame(
    np.random.randn(20, 4), columns=['a', 'b', 'c', 'd']
)

# Display the line chart
st.line_chart(chart_data)

4. 사용자 상호 작용 : 텍스트 입력, 슬라이더 및 선택 상자
sleamlit 텍스트 입력, 슬라이더 및 사용자 입력을 기반으로 동적으로 업데이트되는 상자와 같은 대화식 위젯이 가능합니다.

# Text input
name = st.text_input("Your Name Is:")
if name:
    st.write(f'Hello, {name}')

# Slider
age = st.slider("Select Your Age:", 0, 100, 25)
if age:
    st.write(f'Your Age Is: {age}')

# Select Box
choices = ["Python", "Java", "Javascript"]
lang = st.selectbox('Favorite Programming Language', choices)
if lang:
    st.write(f'Favorite Programming Language is {lang}')

lang = st.selectbox ( '좋아하는 프로그래밍 언어', 선택) Lang : st.write (f'favely greving language is {lang} ')

5. 파일 업로드
사용자가 파일을 업로드하고 sleamlit

앱에서 파일을 동적으로 표시 할 수 있습니다 :

pip install streamlit

# CSV 파일의 파일 업 로더 file = st.file_uploader ( 'CSV 파일 선택', 'CSV') 파일 인 경우 : data = pd.read_csv (파일) St.Write (데이터)

Streamlit

가있는 기계 학습 프로젝트 구축

이제 기본 사항에 익숙해 져서 머신 러닝 프로젝트 를 만들어 봅시다. 우리는 유명한 아이리스 데이터 세트를 사용하고 scikit-learn .

프로젝트 구조 :

데이터 세트를로드합니다.

• RandomforestClassifier를 훈련시킵니다.
• 사용자가 슬라이더를 사용하여 기능을 입력 할 수 있습니다.
• 입력 기능에 따라 종을 예측합니다.

1. 필요한 종속성 설치

먼저 필요한 라이브러리를 설치하겠습니다 :
PIP Scikit-Learn Numpy Pandas를 설치하십시오

pip install streamlit scikit-learn numpy pandas

2. 라이브러리 가져 오기 및로드 데이터

필요한 라이브러리를 가져 와서 아이리스 데이터 세트를로드하겠습니다 :
ST로 간소화를 가져옵니다 팬더를 PD로 가져옵니다 sklearn.datasets import load_iris sklearn. ensemble import randomforestclassifier # 효율적인 로딩을위한 캐시 데이터 @St.Cache_Data def load_data () : iris = load_iris () df = pd.dataframe (iris.data, columns = iris.feature_names) df

= iris.target DF, iris.target_names를 반환합니다 df, target_name = load_data ()

pip install streamlit

3. 머신 러닝 모델 훈련 데이터가 있으면 RandomforestClassifier를 훈련시켜 꽃의 특징에 따라 꽃의 종을 예측합니다 :

# RandomforestClassifier를 훈련시킵니다 Model = RandomForestClassifier () model.fit (df.iloc [:, : -1], df

# Train RandomForestClassifier
model = RandomForestClassifier()
model.fit(df.iloc[:, :-1], df["species"])

4. 입력 인터페이스 생성
이제 우리는 사이드 바에 슬라이더를 생성하여 사용자가 예측을 위해 기능을 입력 할 수 있도록합니다.

# Sidebar for user input
st.sidebar.title("Input Features")
sepal_length = st.sidebar.slider("Sepal length", float(df['sepal length (cm)'].min()), float(df['sepal length (cm)'].max()))
sepal_width = st.sidebar.slider("Sepal width", float(df['sepal width (cm)'].min()), float(df['sepal width (cm)'].max()))
petal_length = st.sidebar.slider("Petal length", float(df['petal length (cm)'].min()), float(df['petal length (cm)'].max()))
petal_width = st.sidebar.slider("Petal width", float(df['petal width (cm)'].min()), float(df['petal width (cm)'].max()))

5. 종을 예측
사용자 입력을 얻은 후에는 훈련 된 모델을 사용하여 예측을합니다 :

# Prepare the input data
input_data = [[sepal_length, sepal_width, petal_length, petal_width]]

# Prediction
prediction = model.predict(input_data)
prediction_species = target_name[prediction[0]]

# Display the prediction
st.write("Prediction:")
st.write(f'Predicted species is {prediction_species}')

이것은 다음과 같습니다 :

마지막으로, sleamlit 는 최소한의 노력으로 머신 러닝 웹 인터페이스를 만들고 배포하기가 매우 쉽습니다. ? 몇 줄의 코드로 대화식 앱을 만들었습니까? 이를 통해 사용자가 기능을 입력하고 꽃의 종을 예측할 수 있습니까? 머신 러닝 모델 사용. ??

행복한 코딩! ?