ML-For-Beginners 实践指南：用 Pickle 序列化 Scikit-learn 模型并搭建 Flask UFO 预测 Web 应用

本文基于 ML-For-Beginners 课程第三周“Web-App”模块的阿拉伯语文档 translations/ar/3-Web-App/README.md 及其关联课时 translations/ar/3-Web-App/1-Web-App/README.md 展开，讲解一个完整的“模型落地”实战链路：在 notebook 中用 NUFORC 的 UFO 目击数据训练 Scikit-learn 分类模型，用 Pickle 将模型序列化为 .pkl 文件，再封装进一个 Flask 应用，让用户通过网页表单输入“观测秒数 + 纬度 + Longitude 经度”，即可预测该次 UFO 目击报告可能来自哪个国家。读完本文，你可以独立复现从数据清洗、模型训练、模型序列化到 Web 服务部署的完整流程，并理解训练侧与推理侧之间必须遵守的“输入数据契约”。

一、课程定位：把 notebook 里的模型送进“真实世界”

该模块是 ML-For-Beginners（12 周、26 课、52 测验）课程体系中的第三周应用实践环节，对应课程文档 3-Web-App/README.md。它解决的核心问题是：如何把在 Jupyter notebook 里训练好的 Scikit-learn 模型，保存为一个可供 Web 应用加载并做预测的文件。

根据模块文档的概述，本节的完整工作流是：

1. 用 UFO 目击数据训练一个 Scikit-learn 模型（输入 Seconds、Latitude、Longitude，输出国家编码）；
2. 将模型 Pickle 化为 ufo-model.pkl 文件；
3. 构建一个 Flask Web 应用，加载该 .pkl 文件并提供预测表单；
4. 用户在浏览器中输入三个数值，页面返回“Likely country: XX”。

模块包含 1 个正式课时与 1 个作业，文档入口为：

• 课时：translations/ar/3-Web-App/1-Web-App/README.md（Building a Web App）
• 作业：translations/ar/3-Web-App/1-Web-App/assignment.md（换一个模型重构应用）

模块文档同时注明了数据来源与致谢：数据集来自 NUFORC（National UFO Reporting Center）在 Kaggle 上发布的 UFO sightings 数据，Web 应用架构参考了业界常见的 Flask 部署 ML 模型方案。

二、架构考量：消费 ML 模型不止一种方式

在动手之前，模块文档先抛出了一个工程视角的问题：你的 Web 架构可能会反过来影响模型训练的方式。文档以“数据科学团队训练好一个模型，要求你在应用中消费它”为场景，列出必须回答的四个问题：

• 是 Web 应用还是移动端应用？ 若是移动或 IoT 场景，可考虑 TensorFlow Lite，把模型用于 Android / iOS 应用；
• 模型驻留在哪里？ 云端还是本地？
• 是否需要离线支持？ 应用必须离线工作吗？
• 模型是用什么技术栈训练的？ 训练框架决定了导出的工具链：
  • TensorFlow 训练：可用 TensorFlow.js 把模型转成 Web 端可用格式；
  • PyTorch 训练：可导出为 ONNX（Open Neural Network Exchange）格式，供 JavaScript Web 应用通过 ONNX Runtime 推理（课程在后续课时会对 Scikit-learn 模型探索该选项）；
  • Lobe.ai / Azure Custom Vision 等 ML SaaS：这类平台本身提供模型导出能力，包括构建一个自定义 API，供云端应用远程查询。

此外，还可以直接用一个 Flask 应用承载整个训练过程（甚至用 TensorFlow.js 在浏览器中训练）。

本课程的选型：既然前几周一直用 Python notebook，本模块就走最贴近现有工作流的一条路——从 Python notebook 导出训练好的模型，得到 Python Web 应用可读的格式（即 Pickle），这也是本文的实战主线。

三、工具链：Flask 与 Pickle

文档明确指出本任务只需要两个 Python 生态的工具：

3.1 Flask：微框架

Flask 被其作者称为“micro-framework”，用 Python 提供 Web 框架的基础能力，并内置模板引擎（Jinja2）用于动态渲染网页。在本项目中 Flask 承担三个职责：

• 定义路由（/ 与 /predict）；
• 通过 render_template 渲染 templates/ 下的 HTML 并注入预测结果；
• 托管 static/ 下的静态资源（CSS）。

3.2 Pickle：对象序列化

Pickle 是 Python 标准库中的模块，负责将 Python 对象结构序列化（serialize）与反序列化（de-serialize）。当你“pickle”一个模型时，就是把它整个对象结构（包括学到的权重与元数据）压平写入磁盘，得到一个以 .pkl 为后缀的文件，供 Web 应用加载。

文档特别强调了一条安全警示：Pickle 本质上不安全。反序列化（un-pickle）一个不受信任的 .pkl 文件等同于执行任意代码，因此只应加载自己训练并生成的模型文件，绝不要加载来源不明的 pickle 文件。

四、数据准备：NUFORC 的 UFO 目击数据集

4.1 数据集结构

本课时使用 3-Web-App/1-Web-App/data/ufos.csv 数据集，来自 NUFORC 收集的约 80,000 条 UFO 目击记录（仓库中该 CSV 文件共 8 万余行）。文档特意引用了两条颇具画面感的原始描述：

• 长描述示例：“A man emerges from a beam of light that shines on a grassy field at night and he runs towards the Texas Instruments parking lot”（一个男人从照在草地上的光柱中走出，跑向德州仪器的停车场）；
• 短描述示例：“the lights chased us”（灯光在追着我们）。

实际检查该 CSV 文件，其完整列包括：datetime、city、state、country、shape、duration (seconds)、duration (hours/min)、comments、date posted、latitude、longitude。本课只保留训练需要的四列：时长（秒）、国家、纬度、经度。

4.2 在 notebook 中清洗数据

在课时提供的空白练习 notebook 3-Web-App/1-Web-App/notebook.ipynb 中，文档给出四步操作（完整可运行的参考实现见 3-Web-App/1-Web-App/solution/notebook.ipynb）：

第 1 步：导入库并读入数据

import pandas as pd
import numpy as np

ufos = pd.read_csv('./data/ufos.csv')
ufos.head()

第 2 步：构建精简后的 DataFrame 并重命名列，同时检查 Country 字段有哪些取值：

ufos = pd.DataFrame({'Seconds': ufos['duration (seconds)'], 'Country': ufos['country'],'Latitude': ufos['latitude'],'Longitude': ufos['longitude']})

ufos.Country.unique()

第 3 步：丢弃空值，并只保留持续 1–60 秒的目击记录，减少要处理的数据量：

ufos.dropna(inplace=True)

ufos = ufos[(ufos['Seconds'] >= 1) & (ufos['Seconds'] <= 60)]

ufos.info()

第 4 步：用 Scikit-learn 的 LabelEncoder 把国家名转成整数编码。文档特别提示：LabelEncoder 按字母序（alphabetically）编码，因此取值集合恰好是 Australia, Canada, Germany, UK, US 对应 0~4：

from sklearn.preprocessing import LabelEncoder

ufos['Country'] = LabelEncoder().fit_transform(ufos['Country'])

ufos.head()

清洗完成后数据应形如：

	Seconds	Country	Latitude	Longitude
2	20.0	3		53.200000	-2.916667
3	20.0	4		28.978333	-96.645833
14	30.0	4		35.823889	-80.253611
23	60.0	4		45.582778	-122.352222
24	3.0		3		51.783333	-0.783333

这个编码顺序正是后面 Flask 应用里 countries 列表（索引 0=Australia … 4=US）必须与之一致的原因——它是贯穿训练与推理两端的隐藏契约。

五、构建模型：Logistic Regression 预测“国家”

5.1 划分训练集与测试集

选取三个特征构成 X 向量，Country 作为 y 向量。目标是输入 Seconds、Latitude、Longitude 后返回国家编码：

from sklearn.model_selection import train_test_split

Selected_features = ['Seconds','Latitude','Longitude']

X = ufos[Selected_features]
y = ufos['Country']

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

参数含义：test_size=0.2 表示留出 20% 作测试集；random_state=0 固定随机种子，保证划分结果可复现。

5.2 训练与评估

使用逻辑回归训练，并用分类报告与准确率评估：

from sklearn.metrics import accuracy_score, classification_report
from sklearn.linear_model import LogisticRegression
model = LogisticRegression()
model.fit(X_train, y_train)
predictions = model.predict(X_test)

print(classification_report(y_test, predictions))
print('Predicted labels: ', predictions)
print('Accuracy: ', accuracy_score(y_test, predictions))

文档给出的实测结论：准确率约 95%，且这并不令人意外——因为 Country 与 Latitude/Longitude 天然强相关（一个国家的国土大致落在固定的经纬度范围内）。文档坦承这个模型“并不革命性”，因为经纬度本身就能推出国家；但它的价值在于完整练习了“从原始数据清洗、导出模型、再到 Web 应用消费”的整条链路。

六、Pickle 你的模型：几行代码完成序列化

模型训练完成后，用标准库 pickle 把它落盘，并立即做一次“反序列化 + 预测”的闭环验证：

import pickle
model_filename = 'ufo-model.pkl'
pickle.dump(model, open(model_filename,'wb'))

model = pickle.load(open('ufo-model.pkl','rb'))
print(model.predict([[50,44,-12]]))

要点解析：

• pickle.dump(model, open(filename,'wb'))：以二进制写模式打开文件，把整个模型对象写入；
• pickle.load(open('ufo-model.pkl','rb'))：以二进制读模式加载回内存，得到一个与原始对象等价的模型实例；
• 验证输入 [[50, 44, -12]]（50 秒、纬度 44、经度 -12）时，模型返回 '3'，按 LabelEncoder 的字母序映射即 UK（英国）——文档称之为“wild! 👽”的时刻。

仓库中已经附带了该课时训练产物的成品文件 3-Web-App/1-Web-App/solution/ufo-model.pkl，可以直接配合 solution 目录里的 Web 应用体验完整效果，无需自己先跑一遍 notebook。

七、构建 Flask 应用：把模型装进网页

7.1 目录结构

文档要求的工程布局是：在 notebook.ipynb 与 ufo-model.pkl 所在目录旁创建 web-app 文件夹，并在其内部建立 static/css 与 templates 两级目录：

web-app/
  static/
    css/
  templates/
notebook.ipynb
ufo-model.pkl

仓库 solution 目录即按此结构提供了成品，可对照查看：

• 3-Web-App/1-Web-App/solution/web-app/app.py
• 3-Web-App/1-Web-App/solution/web-app/templates/index.html
• 3-Web-App/1-Web-App/solution/web-app/static/css/styles.css
• 3-Web-App/1-Web-App/solution/web-app/requirements.txt

7.2 依赖声明与安装

第一个要创建的文件是 requirements.txt——它在 Python 项目中的角色类似 JavaScript 的 package.json，列出应用所需依赖：

scikit-learn
pandas
numpy
flask

仓库中 3-Web-App/1-Web-App/solution/web-app/requirements.txt 的内容与上述完全一致（四行、无版本锁定）。随后进入目录安装：

cd web-app
pip install -r requirements.txt

7.3 静态样式：styles.css

创建三个文件：web-app/app.py、web-app/templates/index.html、web-app/static/css/styles.css。styles.css 定义了黑底白字、居中大字号的页面风格：

body {
	width: 100%;
	height: 100%;
	font-family: 'Helvetica';
	background: black;
	color: #fff;
	text-align: center;
	letter-spacing: 1.4px;
	font-size: 30px;
}

input {
	min-width: 150px;
}

.grid {
	width: 300px;
	border: 1px solid #2d2d2d;
	display: grid;
	justify-content: center;
	margin: 20px auto;
}

.box {
	color: #fff;
	background: #2d2d2d;
	padding: 12px;
	display: inline-block;
}

7.4 页面模板：index.html 与 Jinja2 语法

index.html 是整个交互的唯一前端。注意其中的“mustache”（{{ }}）模板语法——这些占位符由 Flask 应用填充：

<!DOCTYPE html>
<html>
  <head>
    <meta charset="UTF-8">
    <title>🛸 UFO Appearance Prediction! 👽</title>
    <link rel="stylesheet" href="{{ url_for('static', filename='css/styles.css') }}">
  </head>

  <body>
    <div class="grid">

      <div class="box">

        <p>According to the number of seconds, latitude and longitude, which country is likely to have reported seeing a UFO?</p>

        <form action="{{ url_for('predict')}}" method="post">
          <input type="number" name="seconds" placeholder="Seconds" required="required" min="0" max="60" />
          <input type="text" name="latitude" placeholder="Latitude" required="required" />
          <input type="text" name="longitude" placeholder="Longitude" required="required" />
          <button type="submit" class="btn">Predict country where the UFO is seen</button>
        </form>

        <p>{{ prediction_text }}</p>

      </div>

    </div>

  </body>
</html>

三个模板细节值得注意：

1. {{ url_for('static', filename='css/styles.css') }}：由 Flask 反向解析静态资源 URL，避免手写路径；
2. 表单 action="{{ url_for('predict') }}" method="post"：提交动作绑定到名为 predict 的 Flask 路由，方法为 POST；
3. {{ prediction_text }}：预测结果占位符，仅在收到 /predict 响应并渲染模板时才有值。

7.5 应用主体：app.py 逐段解析

最后是驱动“模型消费 + 结果展示”的 Python 文件 app.py：

import numpy as np
from flask import Flask, request, render_template
import pickle

app = Flask(__name__)

model = pickle.load(open("./ufo-model.pkl", "rb"))


@app.route("/")
def home():
    return render_template("index.html")


@app.route("/predict", methods=["POST"])
def predict():

    int_features = [int(x) for x in request.form.values()]
    final_features = [np.array(int_features)]
    prediction = model.predict(final_features)

    output = prediction[0]

    countries = ["Australia", "Canada", "Germany", "UK", "US"]

    return render_template(
        "index.html", prediction_text="Likely country: {}".format(countries[output])
    )


if __name__ == "__main__":
    app.run(debug=True)

文档对 app.py 的执行流程做了三步拆解：

1. 加载依赖并创建 Flask 应用实例；
2. 在模块顶层加载模型——pickle.load(open("./ufo-model.pkl", "rb")) 在应用启动时一次性执行，模型常驻内存，后续每次请求直接复用，这是该架构性能友好的关键；
3. 路由 /（home）渲染 index.html 首页；路由 /predict 处理 POST 请求：先把表单变量聚合成 numpy 数组送入模型拿到预测，再把预测出的国家编码（output）通过 countries 列表反向翻译成可读国家名，写回模板变量 prediction_text。

源码级对照：仓库 solution 版 app.py 中模型加载路径写作 pickle.load(open("../ufo-model.pkl", "rb"))，指向 solution/ufo-model.pkl。从源码结构看，solution 目录把 .pkl 文件放在了 solution/ 层级（而不是 solution/web-app/ 内），因此相对路径多一层 ../；两者逻辑完全等价，只是工程布局不同。这正提示了部署时的一个实操要点：.pkl 文件相对于 app.py 的引用路径必须与实际位置严格一致，否则启动即报 FileNotFoundError。

运行方式：在 web-app 目录下执行 python app.py（或 python3 app.py），本地 Web 服务器启动后即可填写表单获得预测。

文档还附了一条 debug=True 的使用提示：开启调试模式后，应用代码的改动会即时热更新、无需重启服务器；但生产环境切勿开启该模式。

7.6 关键难点：预测输入的“数据契约”

文档点出了这类架构中最容易被忽视、也最难的一课：用 Flask + pickle 消费模型本身很直接，最难的是搞清楚“必须向模型送什么形状的数据”才能拿到预测——这完全取决于模型当初是怎么训练的。本例模型要求按 Seconds, Latitude, Longitude 顺序输入三个数值（对应 LabelEncoder 训练时的列顺序），且 app.py 中 countries 列表的顺序必须与 LabelEncoder().fit_transform() 的字母序结果严格对齐。

文档进而给出一个职业化视角：在真实团队里，模型训练者与模型消费者（Web/移动端开发者）之间的沟通质量直接决定集成是否成功；而在本课程里，这两者都是“你”一个人。

八、挑战与作业：延伸练习

8.1 Challenge：把训练搬进 Flask 应用

文档给出的挑战是：不在 notebook 里训练再导入，而是直接在 Flask 应用内训练模型——把 notebook 中数据清洗后的 Python 代码搬进一个名为 train 的路由里执行训练，并思考这种方式的利弊（可推断的权衡包括：应用可自举更新模型 vs. 每次冷启动训练成本高、训练逻辑与请求生命周期耦合等）。

8.2 Assignment：换一个模型重构应用

作业要求（见 translations/ar/3-Web-App/1-Web-App/assignment.md，英文版见 3-Web-App/1-Web-App/assignment.md）：在已用回归训练模型构建 Web 应用的基础上，改用回归（Regression）课程中的某个模型（例如南瓜数据集上的模型）重新搭建一个应用；可保留原样式或按南瓜数据重新设计，但必须把表单输入项调整为与你模型训练方式匹配的特征。评估标准关注两点：应用按预期工作并可部署上云（优秀）、应用可运行但存在缺陷或结果异常（合格）、应用不能正确运行（待改进）。

8.3 Review & Self Study

文档建议的自学方向：列举用 JavaScript 或 Python 构建 ML Web 应用的各种方式；思考架构决策——模型应该留在应用内还是驻留云端？若驻留云端，客户端如何访问它？最后，为“应用级 ML Web 方案”画出一张架构图。

九、小结：一条可复用的模型交付链路

回到本文主线，第三周模块给出的是一条最小但完整的 Scikit-learn 模型交付链路，各环可在仓库中逐一对照：

环节	关键动作	仓库对照
数据	读取 ufos.csv，选列、去空、过滤 1–60 秒、LabelEncoder 编码国家	3-Web-App/1-Web-App/data/ufos.csv、练习 notebook
训练	train_test_split（20% 测试、seed=0）+ LogisticRegression，测试集准确率约 95%	solution notebook
序列化	pickle.dump 落盘为 ufo-model.pkl，pickle.load 加载后验证 [[50,44,-12]] → '3'（UK）	solution/ufo-model.pkl
服务	Flask 双路由应用：/ 渲染表单，/predict 转 int 数组 → model.predict → 国家名回填模板	solution/web-app/app.py
依赖	requirements.txt 锁定 scikit-learn / pandas / numpy / flask 四项	solution/web-app/requirements.txt

掌握这条链路后，你可以把它作为模板平移到任何“notebook 训练的 Scikit-learn 模型 → Python Web 服务”的场景，只需替换数据、特征顺序与标签映射这三处“契约”。