AcidificationModel/api

项目名称

简介

本项目旨在通过Flask框架构建一个Web应用，支持数据的导入、导出以及机器学习模型的训练和预测。项目使用SQLAlchemy进行数据库操作，并集成了Celery用于异步任务处理。

环境搭建

创建Conda环境

1. 确保已安装Anaconda。

2. 根据environment.yml文件新建conda环境：

   conda env create -f environment.yml
   

3. 激活新创建的环境：

   conda activate your_env_name
   

安装并配置Redis

1. 下载并安装Redis（Celery依赖）:

   • Windows用户: 从https://github.com/tporadowski/redis/releases下载Redis 5.0.x版本
   • Linux用户: sudo apt-get install redis-server
   • macOS用户: brew install redis

2. 版本要求:

   • 推荐使用Redis 5.0及以上版本
   • 最低支持版本: Redis 4.0
   • 项目已在Redis 5.0.14.1上测试通过

3. 启动Redis服务:

   • Windows: redis-server.exe redis.windows.conf
   • Linux/macOS: redis-server

4. 验证Redis是否正常运行:

   redis-cli ping
   

   如果返回PONG，则表示Redis服务正常运行。

项目结构

• app/: 包含Flask应用的主要代码。
  • __init__.py: 初始化Flask应用。
  • config.py: 配置文件。
  • utils.py: 工具函数。
  • model.py: 机器学习模型相关操作。
  • tasks.py: Celery任务定义。
  • celery_app.py: Celery配置。
• model_optimize/: 包含数据处理和模型优化的代码。
• uploads/: 用于存储上传的文件。
• ssl/: 存储SSL证书和密钥。

主要功能

数据导入与导出

• 支持Excel和CSV格式的数据导入。
• 根据表名导出数据为Excel或CSV格式。

机器学习模型

• 支持多种机器学习模型的训练和预测。
• 提供模型评分功能。

异步任务

• 使用Celery处理异步任务。

使用方法

启动应用

1. 确保Redis服务正在运行。

2. 激活conda环境：

   conda activate your_env_name
   

3. 启动Flask应用：

   python run.py
   

4. 启动Celery：

   watchfiles --filter python "celery -A app.celery_app.celery worker --loglevel=info" .
   

   说明：执行上述命令需要先安装 watchfiles:

   pip install watchfiles
   

配置

在app/config.py中可以修改数据库路径、上传文件夹路径等配置。默认配置包括：

• 数据库路径: SoilAcidification.db
• 上传文件夹: uploads/datasets
• 模型保存路径: pkl
• Celery配置:
  • Broker URL: redis://localhost:6379/0
  • Result Backend: redis://localhost:6379/0

依赖

请确保已安装以下依赖：

• Flask
• SQLAlchemy
• Celery
• Redis
• Pandas
• Scikit-learn
• XGBoost
• Watchfiles

许可证