1 后台+算法模型
1.1 训练机器学习模型
准备数据，选择合适的机器学习模型，本文以一个基于XGBoost模型进行数据分类的项目来分析。
import numpy as np
import pandas as pd
from xgboost import XGBClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
from sklearn.preprocessing import LabelEncoder
import pickle
# 读取并划分数据集
def read_data(path):
dataset = pd.read_csv(path, index_col=0)
# 划分出数据和标签
data = dataset.iloc[:, :-1]
label = dataset.iloc[:, -1]
# 分层抽样,用随机数种子保证每次抽样一致
train_x, test_x, train_y, test_y = train_test_split(data, label, test_size=0.3, random_state=6, stratify=label)
return train_x, train_y, test_x, test_y
def train(train_x, train_y):
# 建模
model = XGBClassifier()
model.fit(train_x, train_y)
# 保存模型
pickle.dump(model, open('XGBoost_model.pkl', 'wb'))
return model
def test(test_x, test_y, model):
num = 0
for i, j in zip(test_x, test_y):
y_pred = model.predict(i)
# print(f'实际值：{j}，预测值：{y_pred[0]}')
if j == y_pred[0]:
num += 1
print(f'测试集准确率为{num/len(test_y)}')
if __name__ == '__main__':
train_x, train_y, test_x, test_y = read_data('dataset.csv')
model = train(train_x, train_y)
test(test_x, test_y, model)
1.2 基于Flask框架搭建后台接口
在Python项目的根目录下新建app.py文件，并用安装flask依赖 pip install flask,可指定运行端口并运行app.py文件，（可借助接口测试工具进行接口测试）
注意：前后端跨域问题，可引入CORS解决，具体如代码：
from flask import Flask, render_template, url_for, request
import pickle
import flask
from flask_cors import CORS
from flask import jsonify
from flask_cors import cross_origin
# instantiate the app
app = Flask(__name__)
# 解决跨域问题,vue请求数据时用，重要！！！
cors = CORS(app)
# 导入算法模型
model = pickle.load(open('XGBoost_model.pkl', 'rb'))
# 接口路径
# @app.route('/')
def getData():
# 接收前端传来的json数据
data = request.get_json(silent=True)
# print(data['age'])
test_data = data['age'] # 此处按自己的数据标签进行更改
y_pred = model.predict(test_data)
# 处理完毕，向前端返回数据
response = flask.jsonify({'label': str(label)})
# 若跨域存在问题，可加上这个请求头
response.headers.add('Access-Control-Allow-Origin', '*')
return response
if __name__ == '__main__':
# port为指定端口，也可不指定
app.run(host='0.0.0.0', port=5000, debug=True)
2 前端搭建
本项目采用Vue+ElementUI，页面问题不进行赘述。此处注意前后端跨域问题即可。可引入axios进行解决。在项目中添加vue.config.js文件，并在main.js文件中添加内容
module.exports = {
publicPath: "./", // 部署应⽤包时的基本 URL
outputDir: "dist", // npm run build ⽣成的⽂件夹，默认是dist
assetsDir: "static", // 在kaixin⽂件夹下⾯⽣成static⽬录存放js,img,css等静态资源
indexPath: "index.html", // ⽣成的单⽂件的，⽂件名，
devServer: {
host:'0.0.0.0',
disableHostCheck: true,
proxy: {
'/api': {
target: '0.0.0.0:5000',//后端接口地址，按自己的改
changeOrigin: true,//是否允许跨越
pathRewrite: {
'^/api': ''
}
}
}
}
}
文章来源：https://www.toymoban.com/news/detail-724008.html
import axios from 'axios'
// 指向后台服务
axios.defaults.baseURL = '0.0.0:5000'
Vue.prototype.$ajax = axios
3 云服务器部署
本项目是将前端和后台代码部署至同一个服务器。服务器系统为centos7。使用宝塔面板进行服务器管理（有点好用）。
详细设置教程可参考linux CentOS 宝塔面板安装设置教程
安装Nginx和python项目管理器，后续可在面板上操作，完成项目打包上传并部署。文章来源地址https://www.toymoban.com/news/detail-724008.html
到了这里，关于flask+Python+Vue实现前后端分离的web项目并部署至云服务器的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
![[ RuoYi ] 若依前后端分离 RuoYi-Vue 项目 war 包 Tomcat 项目部署](https://imgs.yssmx.com/Uploads/2024/02/727876-1.png)
