建机器学习模型最酷的部分之一就是与他人共享我们构建的模型。
无论您构建了多少模型，如果它们处于离线状态，那么只有极少数人能够看到您所完成的工作。这就是为什么我们应该部署我们的模型，这样任何人都可以通过一个漂亮的 UI 来玩它们。
在本文中，我们将从头开始使用 Flask 部署线性回归模型。Flask 是一个 Python 框架，可以让我们轻松开发 Web 应用程序。遵循本指南后，您将能够在浏览器中使用简单的机器学习模型，如下面的 gif 所示。
本指南分为两部分。在第 1 节中，我们将快速构建模型，在第 2 节中，我们将从头开始构建 Web 应用程序。
目录
1.构建简单的机器学习模型
-首先要做的事情 - 库和数据集
-因变量和自变量
-拟合和保存模型
2.使用 Flask 构建 Web 应用程序
-设置新的虚拟环境
-安装 Flask 和快速设置
-加载模型，构建主页功能和前端
-构建表单和预测功能
1. 建立一个简单的机器学习模型
最简单的机器学习算法之一是线性回归。在本节中，我们将构建一个预测房屋价值的多元线性回归。在本节结束时，我们的模型将使用 pickle 保存，在下一节中，我们将使用 Flask 部署我们的机器学习模型。
