25、机器学习模型的Web应用与回归分析

机器学习模型的Web应用与回归分析

1. 电影分类器应用上传

在为PythonAnywhere账户创建新应用后，可通过PythonAnywhere的Web界面，前往“Files”选项卡，上传本地 movieclassifier 目录中的文件。上传后，PythonAnywhere账户中会有一个 movieclassifier 目录，其内容与本地目录一致。
接着，再次前往“Web”选项卡，点击“Reload .pythonanywhere.com”按钮，传播更改并刷新Web应用。最终，Web应用将启动并可通过 .pythonanywhere.com公开访问。

2. 电影分类器更新

当用户对分类提供反馈时，预测模型会即时更新，但如果Web服务器崩溃或重启， clf 对象的更新将被重置。重新加载Web应用时， clf 对象会从 classifier.pkl 文件重新初始化。

一种永久应用更新的方法是每次更新后再次对 clf 对象进行序列化，但随着用户数量增加，这种方法计算效率低下，且用户同时提供反馈时可能损坏pickle文件。

另一种解决方案是根据SQLite数据库中收集的反馈数据更新预测模型。可以从PythonAnywhere服务器下载SQLite数据库，在本地计算机上更新 clf 对象，然后将新的pickle文件上传到PythonAnywhere。

在本地计算机上更新分类器，需在 movie