钻石价格预测的建模与部署

目录

一、 背景简述¶

二、 环境准备

三、 数据预处理

四、 模型的选择&训练&调优

五、 模型部署

---

一、 背景简述¶

本文简单介绍一个工业领域的机器学习建模到生产环境部署的案例。涉及机器学习开发项目的以下几个步骤

1. 问题定义
2. 数据采集
3. EDA（探索性数据分析）
4. 数据准备
5. 建模
6. 部署和监控

二、 环境准备

用到的主要工具库和框架

PyCaret：开源的低代码机器学习库，可用于自动化机器学习工作流
FastAPI：快速高性能的Web框架
plotly：数据可视化工具库
numpy：高效的数据计算工具库
pandas：DataFrame的高效处理工具库
uvicorn：高效的ASGI服务器

# 如未安装，可以通过以下命令行进行安装
pip install pycaret
pip install fastapi
pip install plotly
pip install uvicorn

如果 pycaret 下载缓慢，或者无法安装，可以尝试以下命令行

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple  pycaret

考虑到pycaret依赖的工具库可能和已经安装的工具库有版本的冲突，可以单独创建一个虚拟环境，安装所需的工具库pycaret等，再将虚拟环境作为核添加 至jupyter。可以通过以下步骤实现虚拟环境的创建和添加。

conda