[Web] Streamlit - 예측 모델 구현 구조 및 순서

 

이 포스팅은 MiniPJT를 진행하면서, 구현하며 학습한 내용을 종합한 것으로 streamlit 모델을 스트림릿 웹페이지에서 구현하는 방법이다. 

 

Streamlit 구조 및 순서

---

streamlit 에서 예측 모델을 구현하는 코드를 간략하게 표현하면 다음과 같다.

모델 파일이 저장된 상태에서, 모델 파일을 불러오고, 해당 모델에 input_data를 넣어줘서 예측을 수행한다.

# 저장된 모델 파일을 불러옴
loaded_model = joblib.load("models/모델.pkl")

# 불러온 모델을 사용하여 예측 수행
predictions = loaded_model.predict(input_data)

즉,  모델을 불러오고 해당 모델이 예측을 수행할 수 있게 불러온 모델.predict(이부분)  에 해당하는 전체 피쳐 값을 넣어주면 모델 예측은 끝난다.

모델 저장 > 모델 불러오기 > 모델 예측(피쳐값 넣어주기)

 

---

모델 저장

---

1. 모델. py 생성 후, 모델을 피클 (pkl)로 저장

jupyter나 VScode에서 실행한 예측 모델을 pkl 형태로 저장한다.

저장하는 방법은 모델링 코드를 써준 후, 가장 아래쪽에 다음의 코드를 작성하는 것이다.

# 모델 저장(생략 가능)
# if not os.path.exists("models"): # models 디렉토리가 존재하지 않으면 폴더를 생성하라는 명령
#    os.mkdir("models")

# 핵심
model_file = open("models/모델.pkl", "wb") # 모델을 저장할 파일을 열고, 형식을 지정
joblib.dump(bst, model_file) # 모델을 저장
model_file.close() # 모델을 저장한 파일을 닫음

 

model_file = open("models/모델.pkl", "wb") 

• model_file : 모델을 저장하기 위한 핸들
• "wb" : 파일을 열 때 사용하는 모드, "wb"는 이진(binary) 쓰기 모드 > 파일을 열면 데이터를 이진 형식으로 저장(텍스트가 아닌 데이터는 주로 wb 모드를 사용해서 저장한다.)
• models/모델. pkl : models 디렉토리에 모델을 피클(pkl) 형식으로 저장

 

joblib.dump(bst, model_file)

 > joblib 라이브러리를 사용하여 Python 객체 bst를 파일 model_file에 저장

 

1. 해당 파일을 실행하면 모델 객체를 불러올 때, 그 모델 객체는 변수 bst에 할당된다.

2. joblib.dump 함수는 bst 객체를 직렬화하여 파일 model_file에 저장

joblib 라이브러리는 데이터 직렬화 및 복원을 지원하는 파이썬 라이브러리로,  주로 큰 데이터나 복잡한 파이썬 객체를 저장하고 나중에 다시 불러올 때 사용되는 라이브러리로 .특히,  NumPy 배열과 같은 대용량 데이터에 효율적으로 작동한다.

---

2. 모델 불러오기

모델을 불러올 파일(스트림릿이 동작할 파일)에서 저장한 모델을 불러온다.

(모델을 저장할 때와 같이, joblib 라이브러리를 이용하여 load로 모델이 저장되어 있는 피클파일을 불러온다.)

model1 = joblib.load("models/모델.pkl")

 

모델을 불러오고 다음의 예측 코드를 실행하기 전의 모든 코드는, 최종 예측 코드에 들어갈 리스트( input_data )를 넣는 코드라고 말해도 과언이 아니다. 

 

예를 들어 편의점 매출 예측 모델에 사용한 피쳐가 [ 면적당 점포수, 지하철 승하차 수, 상주인구 수 ]라고 한다면

input data = [56, 20000, 1000] 이런 식으로 구성될 것이다. 최종 인풋 데이터에는 모든 피쳐의 값들이 표현되어야 한다.

 

---

3. 모델로 예측하기

predictions = model1.predict(input_data)

모델을 예측한 결과를 predictions 에 저장하고, 지난 포스팅에서 다루었던 스트림릿 기초문법을 활용해 페이지 상에서 예측 값을 나타낸다(st.write(predictions))