我正在尝试构建一个情绪分类器Web应用程序，但我不明白将机器学习组件与Web应用程序连接的人。我已经构建了在NodeJS服务器上运行的客户端Web应用程序，并且我已经训练了一个保存为Python脚本的情绪分类器。
我的目标是让用户在Web应用程序上提交文本，将其发送到Python脚本，进行分类，然后通过JSON发回结果。
我应该如何设置Machine Learning-Web App管道？
一个建议是在Flask中加载Python脚本，并使用Flask作为REST API。好像使用Flask似乎有点矫枉过正，因为我只需要完成一项任务。
答案 0 :(得分：2)
Flask是一个相对简单的Web框架。它将满足您将用户提交的文本放入python函数的需要，而不需要太多的样板代码或复杂性。还有其他选择，最着名的是龙卷风。
我确实想知道为什么要将两个REST接口堆叠在一起。出于特定原因，您是否需要node.js应用程序？如果没有，您可以简化您的架构。
答案 1 :(得分：0)
您的两个主要选项是通过网络框架，例如Flask或CGI bridge，简单来说就像直接写入/阅读终端一样。
我写了一个教程，我称之为FullStack和机器学习的结合工作：Smart Stack
使用Meteor - Angular2和Scikit-learn。
您感兴趣的部分是第二部分：2-服务器端，可能还有第三部分：3-模型优化
我对这个过程的可扩展性有点关注REST样式（我必须深入研究这一点），但是对于原型和/或小应用程序它应该没事。