《经典机器学习实战》第 5 课：把模型做成 Web 应用（UFO）

本文收录于专栏《经典机器学习实战》

摘要：模型训好了怎么给别人用？用 Flask + pickle 把 UFO 目击分类器（准确率 0.97）包成 Web 应用：GET 返回页面、POST 返回预测，五行核心代码跑通模型上线的最小闭环。

关键字：Flask,模型部署,pickle,Web应用,机器学习上线,UFO数据集,REST接口,模型序列化
阶段 2 · 回归 + Web 应用 | 来源：【原·09】| 知识更新至 2026-10

概念讲解

UFO 数据集 80,332 行，美国占绝对多数------这也是后面模型预测 us 占比高的数据根源。

5.1 训练完然后呢：模型交付的四个决策

前几课的模型都活在 notebook 里。真实业务中，模型要被人用------交付形态决定训练方式。动手前先问四个问题：

Web 应用还是移动应用？ 移动端或 IoT 场景可能要用 TensorFlow Lite 这类端侧方案。
模型放哪？ 云端服务还是本地？云端便于更新，本地零依赖。
要支持离线吗？ 离线场景模型必须打包进应用。
用什么技术训练的？ 这决定导出格式：PyTorch/TensorFlow 系常用 ONNX（第 9 课会走这条路）；scikit-learn 模型最直接的交付物是 pickle 文件。

本课的场景最朴素：模型和数据都在本地，用 Python 写个网页表单给人玩------Flask + pickle 是最短路径。

5.2 两件工具

Pickle ：Python 的对象序列化模块，把训练好的模型对象"压扁"存成 .pkl 文件，另一段代码 load 回来就能直接 predict------不需要重新训练，不需要数据。

⚠️ pickle 不校验内容，不要加载来路不明的 .pkl 文件（可能执行恶意代码）。自己训练、自己保存、自己加载，或只收可信来源。

Flask：Python 的"微框架"------不搞全家桶，只给路由（哪个 URL 交给哪个函数）和模板引擎（HTML 里插变量），几十行代码就能起一个 Web 应用。

5.3 本课数据：八万条 UFO 目击记录

练习数据换成 NUFORC（美国国家 UFO 报告中心）的目击数据库，80,332 条记录，字段包括城市、州、国家、目击物形状、经纬度和持续时间。描述文本很有娱乐性："一束光打在草地上，一个人走出来跑向德州仪器的停车场"、"那些光追着我们跑"。

建模问题：给定持续秒数、纬度、经度，预测这次目击发生在哪个国家。坦白说这不"智能"------经纬度本来就能定国家------但它是绝佳的交付流程练习：清洗 → 训练 → 导出 → 网页调用，一步不少。

案例实战：从 CSV 到网页表单

实测环境：conda env ml-course（scikit-learn 1.9.1 / flask）

完整脚本与产物：stage2/assets/05/（含可运行的 web-app/）

第 1 步：清洗

python 复制代码

ufos = pd.read_csv('ufos.csv')
ufos = pd.DataFrame({'Seconds': ufos['duration (seconds)'], 'Country': ufos['country'],
                     'Latitude': ufos['latitude'], 'Longitude': ufos['longitude']})
ufos.dropna(inplace=True)
ufos = ufos[(ufos['Seconds'] >= 1) & (ufos['Seconds'] <= 60)]   # 只留 1-60 秒的目击
ufos['Country'] = LabelEncoder().fit_transform(ufos['Country'])

输出：原始行数 = 80332 → 过滤后行数 = 25863；Country 取值 us/gb/ca/au/de 五个，LabelEncoder 按字母序编码为 0-4。

第 2 步：训练

python 复制代码

X = ufos[['Seconds', 'Latitude', 'Longitude']]
y = ufos['Country']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)
model = LogisticRegression(max_iter=1000).fit(X_train, y_train)

输出：Accuracy: 0.9700------经纬度与国家的强对应关系让任务本身不难，97% 合理。

第 3 步：pickle 导出与回读验证

python 复制代码

import pickle
pickle.dump(model, open('ufo-model.pkl', 'wb'))

model = pickle.load(open('ufo-model.pkl', 'rb'))
print(model.predict([[50, 44, -12]]))   # 50 秒，北纬 44°，西经 12°

输出：predict([50,44,-12]) = 3------国家码 3 = UK。这条坐标落在英国附近，模型答对了。

小坑说明：回读后 predict 时 sklearn 会提示 X does not have valid feature names------因为训练用的是带列名的 DataFrame、预测给的是 numpy 数组。这是无害警告；要消掉它，预测时也传 DataFrame 即可。

第 4 步：Flask 应用

目录结构：

复制代码

web-app/
  app.py                  # 路由 + 模型调用
  templates/index.html    # 表单页面
  static/css/styles.css   # 样式
../ufo-model.pkl          # 上一步导出的模型

app.py 的核心------加载模型、两个路由：

python 复制代码

import numpy as np
from flask import Flask, request, render_template
import pickle

app = Flask(__name__)
model = pickle.load(open("../ufo-model.pkl", "rb"))

@app.route("/")
def home():
    return render_template("index.html")

@app.route("/predict", methods=["POST"])
def predict():
    int_features = [int(float(x)) for x in request.form.values()]
    prediction = model.predict([np.array(int_features)])
    countries = ["Australia", "Canada", "Germany", "UK", "US"]
    return render_template("index.html",
        prediction_text="Likely country: {}".format(countries[prediction[0]]))

if __name__ == "__main__":
    app.run(debug=True, port=5050)

index.html 里是一个三输入表单（秒数/纬度/经度），提交到 /predict，返回的 prediction_text 用模板语法 {``{ prediction_text }} 渲染。

第 5 步：起服务，真实请求验证

bash 复制代码

cd web-app && python app.py    # 起在 localhost:5050

实测三组请求：

复制代码

GET /                     → 200（页面正常）
POST /predict  (50, 44, -12)  → "Likely country: UK"
POST /predict  (30, 35, -80)  → "Likely country: US"

第一组复现了 notebook 里的 UK 预测（一致性验证通过）；第二组坐标在美国东南部，返回 US。从 CSV 到网页表单的全链路至此闭环。

这条链路里最容易错的点：数据形状。模型训练时吃 3 个特征（Seconds, Latitude, Longitude），网页输入就必须恰好这 3 个、恰好这个顺序。真实团队里，训练模型的人和写网页的人往往不是同一个------训练时把特征清单写进 README 或模型元数据，是避免扯皮的基本功。

debug=True 的提醒 ：开发时改动代码自动重载很方便，生产环境绝不要开 debug（会暴露调试控制台）。本课程全在本机跑，无此风险。

两种模型上线方式对比：

	Flask + pickle（本课）	ONNX + 浏览器（第 9 课）
运行环境	Python 服务端	任意静态服务器
前置条件	Flask + 模型文件	onnxruntime-web
是否需后端	是	否（可离线）
适用	全栈 Python 团队	纯前端分发

小结

交付模型先定四件事：web/移动、云/本地、离线与否、训练技术栈；scikit-learn + Flask + pickle 是最短路径。
pickle 一行存模型、一行读回来直接 predict；不加载来路不明的 .pkl。
实测全链路：UFO 80332→25863 行，accuracy 0.9700，pickle 预测 UK 正确；Flask 服务 GET 200、两组 POST 分别返回 UK / US。
交付的最大坑是数据形状：训练 3 特征，调用就必须 3 特征同顺序------特征清单要随模型走。
下一阶段进入分类专题：参见第 6 课《分类入门：数据清洗与平衡（菜系）》；另一种导出格式 ONNX 参见第 9 课《菜系推荐 Web 应用》。

扩展阅读

原课第 5 课：https://github.com/microsoft/ML-For-Beginners/tree/main/3-Web-App/1-Web-App
Flask 官方文档：https://palletsprojects.com/p/flask/
Python pickle 文档（含安全提示）：https://docs.python.org/3/library/pickle.html
NUFORC 目击数据库：https://nuforc.org

系列导航

上一篇：第 04 课《逻辑回归：预测类别（南瓜）》
下一篇：第 06 课《分类入门：数据清洗与平衡（菜系）》

更多专栏：

蛋白 / 抗体 / 多肽 / 核酸	分子模拟 / 动力学 / 对接	药物 / 设计 / 案例	AI / Agent / 大模型
开源蛋白结构预测	分子模拟基础	小分子药物设计案例	AI Agent系列
开源蛋白生成方法实践	分子动力学模拟-Amber	蛋白药物设计案例	化学大模型
开源多肽设计模型	分子动力学模拟-Gromacs	多肽药物设计案例	《AI Agent原理与实战》
开源多肽性质预测	分子动力学模拟-OpenMM	开源小分子生成设计	CADD中的机器学习模型
DNA/RNA药物设计	結合自由能	高效计算配置	《MCP 入门实战》
siRNA药物设计模型	UCSF DOCK系列	我胡师兄说药	《AI入门实战2026》
ASO药物设计模型	rDock系列 LeDock系列 gnina系列		《经典机器学习实战》