Scikit-learn Modelini Flask API'ye Dönüştürme

Scikit-learn ile eğittikleri makine öğrenmesi modelini gerçek dünyada kullanmak için API'ye çevirmeniz gerekiyor. Flask bu işin en pratik yolu.

İlk adım modeli kaydetmek. Eğitim bittikten sonra `pickle` veya `joblib` kütüphanesiyle diske yazıyorsunuz. Joblib daha hızlı ve büyük dosyalarda daha verimli:

1from joblib import dump
2dump(model, 'model.pkl')

Sonra Flask uygulaması yazıyorsunuz. Başlangıçta modeli yüklüyorsunuz, sonra tahmin için bir endpoint oluşturuyorsunuz:

1from flask import Flask, request, jsonify
2from joblib import load
3
4app = Flask(__name__)
5model = load('model.pkl')
6
7@app.route('/predict', methods=['POST'])
8def predict():
9data = request.json
10prediction = model.predict([data['features']])
11return jsonify({'prediction': prediction[0]})

Gelen verileri modelin beklediği formata dönüştürmek önemli. Eğitim sırasında hangi özellikleri (features) kullandıysanız, API'ye gelen veriler de tam aynı sıra ve tipte olmalı. Aksi halde yanlış tahmin alırsınız.

Geliştirme ortamında `app.run()` ile test edebilirsiniz. Üretim için Gunicorn gibi WSGI sunucusu kullanmanız gerekir. Ayrıca gelen verileri doğrulamayı (validation) unutmayın. Hatalı veri gelirse modelin çökmesini önlemek için try-except bloğu ekleyin.

bknz: AI Kodlama Ajanları Neden Belirleyici Yerel Araçlara İhtiyaç Duyuyor