Супер новый для веб-разработки .. Я развертываю sklearn Модель машинного обучения с использованием Flask.
Я могу правильно вернуть прогноз ответа в виде JSON, но он отображается на отдельной странице ... Я хотел бы изменить свой HTML и Flask app.py
таким образом, чтобыответ предсказания появляется во вновь созданном элементе контейнера прямо в нижней части form
в HTML
Вот мой index.html
<!DOCTYPE html>
<html>
<head>
<meta name="viewport" content="width=device-width, initial-scale=1">
<link rel="stylesheet" href= "{{ url_for('static',filename='css/style.css') }}">
</head>
<body>
<div class = 'intro'>
This is a simple website that hosts a Machine Learning model trained using <i>sklearn</i> to predict one of three authors:
<b>HP Lovecraft</b>, <b>Edgar Allan Poe</b> and <b>Mary Shelley</b>. Simply enter a passage of one of those three authors and you will get a prediction.
</div>
<div class="authorimage">
<div class="row">
<div class="column">
<h2>Mary Shelley</h2>
<p><img src = "{{ url_for('static',filename='img/mary.jpeg') }}"></p>
</div>
<div class="column">
<h2>H.P Lovecraft</h2>
<p><img src = "{{ url_for('static',filename='img/lovecraft.jpeg') }}"></p>
</div>
<div class="column">
<h2>Edgar Allan Poe</h2>
<p><img src = "{{ url_for('static',filename='img/eap.jpeg') }}"></p>
</div>
</div>
</div>
<div class = 'input'>
<form action="/api" method="POST">
<textarea name = "passage_input" cols="35" wrap="soft"></textarea>
<input type="submit">
</form>
</div>
<div class = "prediction">
Not sure how to collect the response from app.py into a box here..
</div>
</body>
</html>
Вот мой app.py
import numpy as np
import pandas as pd
from flask import Flask, render_template, abort, jsonify, request
import pickle
from vectorspace import VectorSpace
import json
with open('/Users/abhishekbabuji/Desktop/spooky_author_model.pkl', 'rb') as fid:
pkl_model_loaded = pickle.load(fid)
app = Flask(__name__, static_url_path='')
@app.route('/')
def input_form():
return render_template('/index.html')
@app.route('/api', methods = ['POST'])
def predict():
text_input = request.form['passage_input']
return parse(pd.Series([text_input]))
def parse(input_passage):
reduction_type = 'lemmatize'
trans_input_passage = VectorSpace(input_passage, reduction = reduction_type).apply_reduction()
return json.dumps(pkl_model_loaded.predict(trans_input_passage)[0])
if __name__ == '__main__':
app.run(port = 9000, debug = True)