amsterdam/classification

机器学习工具

这是https://github.com/Amsterdam/signals%E4%BD%BF%E7%94%A8%E7%9A%84%E6%9C%8D%E5%8A%A1%EF%BC%8C%E5%8F%AF%E9%A2%84%E6%B5%8B%E4%BF%A1%E5%8F%B7%E6%89%80%E5%B1%9E%E7%B1%BB%E5%88%AB%E3%80%82%E5%AE%83%E5%88%A9%E7%94%A8%E7%8E%B0%E6%9C%89%E6%95%B0%E6%8D%AE%EF%BC%88%E6%9D%A5%E8%87%AA%E6%97%A7%E7%B3%BB%E7%BB%9F%E6%88%96signals%E8%87%AA%E8%BA%AB%EF%BC%89%E8%AE%AD%E7%BB%83%E6%A8%A1%E5%9E%8B%EF%BC%8C%E6%B5%81%E7%A8%8B%E5%8C%85%E6%8B%AC%EF%BC%9A%E5%8E%BB%E9%99%A4%E5%81%9C%E7%94%A8%E8%AF%8D%E4%B8%8E%E7%89%B9%E6%AE%8A%E5%AD%97%E7%AC%A6%E3%80%81%E7%BB%9F%E8%AE%A1%E8%AF%8D%E5%B9%B2%E5%8C%96%E8%AF%8D%E9%A2%91%E3%80%81%E8%BD%AC%E6%8D%A2%E4%B8%BAtf-idf%E6%A0%BC%E5%BC%8F%EF%BC%8C%E6%9C%80%E5%90%8E%E9%80%9A%E8%BF%87%E9%80%BB%E8%BE%91%E5%9B%9E%E5%BD%92%E6%9E%84%E5%BB%BA%E6%A8%A1%E5%9E%8B%E3%80%82%E6%9C%8D%E5%8A%A1%E9%80%9A%E8%BF%87Flask API提供预测功能。

构建Docker镜像

导航到根目录，拉取相关镜像并构建服务：

shell
docker-compose build

输入数据

CSV输入文件需包含以下列（无表头，顺序为Text,Main,Sub）：

使用Docker Compose训练模型

将CSV文件放入input/目录，执行训练命令：

shell
docker-compose run --rm train --filepath=/input/{csv文件名} --columns=Main
docker-compose run --rm train --filepath=/input/{csv文件名} --columns=Main,Sub

训练结果保存到output/目录，包括joblib序列化模型、混淆矩阵（CSV/PDF）等文件。

运行服务

服务为Flask API，需将模型文件放入/models目录（或通过MODELS_DIRECTORY配置）。映射文件如下：

设置SIGNALS_CATEGORY_URL指定后端URL，启动服务：

shell
docker-compose up -d web

发送POST请求获取预测：

json
POST http://localhost:8140/signals_mltool/predict
Body: {"text": "afval"}

响应示例含主/子类别预测结果及置信度。

开发

代码格式化

用isort排序导入：

bash
poetry run isort .

用flake8 linting：

bash
poetry run flake8 .

提交前需解决所有问题。