在 Flask 中构建 ML 模型时，如何预处理一些自变量和因变量？答案

【问题标题】：How do I pre-process few of my independent and the dependent variables while building an ML model in Flask?在 Flask 中构建 ML 模型时，如何预处理一些自变量和因变量？
【发布时间】：2020-09-06 21:30:43
【问题描述】：

在给定人口统计数据的情况下，预测客户生命周期价值是一个回归问题。我总共有 14 个 X 变量，它们是分类数据和数值数据的混合体。

X = ['Coverage', 'Education', 'EmploymentStatus', 'Income',
       'Marital Status', 'Months Since Last Claim',
       'Months Since Policy Inception', 'Number of Open Complaints',
       'Number of Policies', 'Renew Offer Type', 'Vehicle Class',
       'Vehicle Size', 'Monthly Premium Auto_boxcox',
       'Total Claim Amount_boxcox']

y = ['Customer Lifetime Value_boxcox']

我们的想法是构建一个表单，其中可以在表单中输入 X 变量，Flask 模型将预测客户生命周期价值。目前，您可以看到每月保费汽车和总索赔金额的数据高度右偏，因此数据使用 boxcox 进行了转换。 但是如何转换用户的输入数据？

此外，客户生命周期价值也在 boxcox 中进行了转换，结果需要未转换为以美元为单位的原始值。我使用 spyder 和烧瓶来构建这个灵感来自https://www.youtube.com/watch?v=UbCWoMf80PY

以下是我的所有代码文件供您参考：数据、app.py、model.py、index.html:https://drive.google.com/open?id=1XHwX-AlDlzo_crhG5EIA8LEfVhtGpSmZ

任何有助于使这个前端变得更好的帮助他真的很棒。提前谢谢！

PS：我已经阅读了有关在构建模型时使用 request.py 或 Pipeline 进行预处理的信息，我不确定 boxcox 将如何到位以及如何取消转换我的客户生命周期价值。另外我对此完全陌生，请您尽可能简化答案。

【问题讨论】：

标签： python machine-learning flask preprocessor non-linear-regression

【解决方案1】：

我为此目的使用了管道，并且效果很好。我创建了类来对数值和分类数据执行所需的转换，并使用 Feature Union 将它们组合起来。

【讨论】：