Как развернуть модель машинного обучения в веб-приложении django?

Мой проект - это концепция и реализация веб-приложения для обнаружения рансомваров на основе машинного обучения. Для реализации я создал веб-приложение с помощью Python, Django, HTML и CSS. С другой стороны, я должен создать код машинного обучения, который позволит обнаружить эти вирусы-рансомы.

Теперь мне нужно развернуть код машинного обучения в моем веб-приложении. Я немного объясню, как это работает: пользователь сначала регистрируется, затем выбирает файл csv для сканирования, загружает его, затем выбирает модель машинного обучения, которую он хочет использовать, и нажимает на сканирование, когда он нажимает на сканирование, файл будет просканирован выбранной моделью, и ему будет возвращен результат, который будет либо 1: файл является ransomware, либо 0: он не является ransomware. Итак, Я создал веб-приложение, я создал модель. Теперь моя проблема в том, как передать пользовательский ввод в модель. А затем вывести результат модели на экран пользователя.

Нужна помощь, пожалуйста.

Мне удалось сделать нечто подобное, используя модель глубокого обучения. Это довольно просто, все, что вы делаете в python, может быть сделано в проекте django, вам просто нужно создать представления и формы для обработки ввода пользовательских данных. Итак, вы либо новичок в django, либо хотите получить все фрагменты кода?

В основном вы собираетесь создать представление, подобное этому.

def do_some_prediction_view(request,id):
    categories = Categorie.objects.exclude(name="Customized Tshirts")
    if request.method == 'POST':
        form_tshirt_size = ShirtSize(request.POST)
        if form_tshirt_size.is_valid():
            weight=form_tshirt_size.cleaned_data['weight']
            height=form_tshirt_size.cleaned_data['height']
            age=form_tshirt_size.cleaned_data['age']
            y_pr = pd.DataFrame(np.array([[weight, height, age]]),
                        columns=['weight', 'height', 'age'])
            prediction = model.predict(y_pr)[0] - 1
            return JsonResponse(classes[prediction],safe=False)
        else:
            return JsonResponse({'status':'error'})
Вернуться на верх