如何使用 Gradio 快速创建机器学习模型的预测界面？

我们相信：世界是美好的，你是我也是。 来玩一下解压小游戏吧！

在这篇文章中，苏南大叔将演示如何使用Gradio为机器学习模型创建一个预测界面。Gradio是一个Python库，它允许你快速创建可定制的UI组件，并与他人分享你的机器学习模型。

苏南大叔的“程序如此灵动”博客，记录苏南大叔的代码编程经验总结。测试环境：win10，python@3.13.2，sklearn@1.6.1，gradio@5.17.1。

前文回顾

本文讲述的重点是给机器学习的模型，做个预测界面。所以，首先，需要有个机器学习的模型，这里引用前一篇文章里面线性回归模型。参考文章：

• https://newsn.net/say/sklearn-linear-regression.html

另外，把训练好的模型，使用joblib保存起来。使用的时候，再加载就好。如果想用新的数据集训练模型，直接把joblib生成的模型删除即可。参考文章：

• https://newsn.net/say/python-joblib.html

pip install joblib

基础框架代码如下：

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

import pandas as pd
import joblib
import os

// 总之，这里得到一个可用的模型。
// 如果模型已经存在，我们将加载它而不是重新训练。
model_path = "linear_regression_model.joblib"
if os.path.exists(model_path):
    model = joblib.load(model_path)
else:
    // 这里是模型训练的逻辑，可更改，具体参考相关文章
    ad_data = pd.read_csv("marketing.csv", encoding="gbk")
    ad_data.drop("期数", axis=1, inplace=True)
    X = ad_data.drop("净利润", axis=1)  # 特征值
    y = ad_data["净利润"]  # 目标值
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.1, random_state=42)
    model = LinearRegression()
    model.fit(X_train, y_train)
    joblib.dump(model, model_path)
//...

创建一个函数，该函数接受输入特征并返回预测的净利润。写成函数的原因是因为要适配Gradio。

def predict_profit(douyin, kuaishou, baidu):
    new_df = pd.DataFrame({"抖音": [douyin], "快手": [kuaishou], "百度": [baidu]})
    y_pred = model.predict(new_df)
    return y_pred[0].round(2)

安装 gradio

Gradio的官方网站是：

• https://www.gradio.app/

Gradio是一个用于快速构建和部署机器学习模型的框架，主要用于以下用途：

• 快速开发界面：允许用户无需代码即可创建交互式AI应用。
• 模型部署：将预训练模型集成到Web界面中，供用户访问和使用。
• 与后端集成：与Flask、FastAPI等框架无缝连接，实现API集成。
• 教育与演示：用于演示AI模型的工作原理，帮助教育者和开发者理解AI。
• 扩展功能：提供工具支持自定义布局、用户交互和数据分析。

通过Gradio，开发者可以将复杂的AI模型转化为易于理解的Web界面，适用于各种场景，包括数据分析、图像识别和自然语言处理等。

使用pip安装Gradio和其他所需的库：

pip install gradio

构建 Gradio 界面

使用Gradio为预测函数创建一个网页界面。该界面将有三个输入字段，用于输入在不同平台上的广告支出，以及一个输出字段，用于显示预测的净利润。

import gradio as gr

demo = gr.Interface(
    fn = predict_profit,
    inputs = [
        gr.Number(label="抖音"),
        gr.Number(label="快手"),
        gr.Number(label="百度")
    ],
    outputs = gr.Number(label="净利润预测"),
    title = "广告支出预测净利润",
    description = "输入广告支出，预测净利润",
    flagging_mode="never",
)
demo.launch(inbrowser=True) 

这个函数其实比较好理解，对标的模型预测函数predict_profit()。inputs对应的是这个函数的输入，outputs对应的预测函数的输出。flagging_mode这个设置为never，右侧就会少一个按钮。这个按钮的作用是保存创建新的数据集的。暂留后续讨论。

完整代码

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
import joblib
import os
import gradio as gr

model_path = "linear_regression_model.joblib"
if os.path.exists(model_path):
    model = joblib.load(model_path)
else:
    ad_data = pd.read_csv("marketing.csv", encoding="gbk")
    ad_data.drop("期数", axis=1, inplace=True)
    X = ad_data.drop("净利润", axis=1)  # 特征值
    y = ad_data["净利润"]  # 目标值
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.1, random_state=42)
    # Train the model and save it
    model = LinearRegression()
    model.fit(X_train, y_train)
    joblib.dump(model, model_path)

def predict_profit(douyin, kuaishou, baidu):
    new_df = pd.DataFrame({"抖音": [douyin], "快手": [kuaishou], "百度": [baidu]})
    y_pred = model.predict(new_df)
    return y_pred[0].round(2)

demo = gr.Interface(
    fn=predict_profit,
    inputs=[
        gr.Number(label="抖音"),
        gr.Number(label="快手"),
        gr.Number(label="百度")
    ],
    outputs=gr.Number(label="净利润预测"),
    title="广告支出预测净利润",
    description="输入广告支出，预测净利润",
    flagging_mode="never",
)
demo.launch(inbrowser=True)

结论

在这篇博客中，苏南大叔演示了如何使用Gradio为机器学习模型创建一个预测界面。这个界面允许用户输入广告支出，并实时获取预测的净利润。Gradio使得与他人分享你的机器学习模型和创建交互式演示变得非常容易。
更多苏南大叔的精彩文章，请点击：
https://newsn.net/tag/ai/

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。