如果您想将 scikit-learn 模型部署到云并能够通过 API 访问它，我猜您会想要访问该predict方法。

API

要使用 python 构建 API，最简单的方法是使用 Flask 或 Django。对于这些类型的任务，我更喜欢 Flask，因为它具有更简单的界面。然而，Django 为您提供了更多较低级别的控制。

您必须创建一些客户端将通过向您发送输入数据来调用的路由，一旦您在服务器端收到它，您只需将其传递给您的 Sklearn 模型，然后将输出发送回客户端.

在云端运行 sklearn

您需要注意的另一件事是在您将使用的任何云解决方案上运行 Python。为了部署您的 Flask/Django 应用程序，我可能会使用 Docker，因为它在许多平台上都得到了很好的支持。这是一个关于如何在 Azure 上部署 Docker 容器的示例

您还可以使用clipper.ai创建一个简单的标准 REST API 进行预测。它适用于任何容器化模型（不仅仅是 scikit-learn）并且具有可扩展性，您只需要 Docker。

Flask 是一个基于python 的包，用于开发restful api 服务（api services）。当您运行应用程序（直接从命令窗口）时，您将收到一条消息，告诉您不应将此应用程序用作生产环境。从 cmd 运行应用程序并使用它是非常危险且不可靠的。那么如何使用使用烧瓶开发的应用程序（Web 服务）？

答案是：你可以使用 IIS 来托管一个烧瓶应用程序，但是如何做到这一点呢？

1- 安装 IIS：您需要确保 IIS 已安装并配置了 CGI 角色服务（这也启用了 FastCGI）。

2-午餐IIS，确保以管理员身份运行它。- 单击是启动 Microsoft Web 平台

• 如果您没有收到此消息，则需要安装平台安装程序

• 搜索 WFastCGI

• 选择适当的 Python 版本（3.4 或 2.7.9）。单击“添加”，然后单击“安装”。

• 如果您在查找 WFastCGI 时遇到问题，您需要从这个页面wfastcgi下载它，您可以运行以下命令：pip install wfastcgi

3- 将 wfastcgi.py 从 C:\Python34（如果你有一个现有的 Python34 目录，可以命名为 C:\Python34_x86）复制到你的 Flask 应用程序根目录。

4- 双击“处理程序映射”（在 IIS 中）

5-单击“添加模块映射”

6- 单击“请求限制”。确保“仅当请求映射到时才调用处理程序：”复选框未选中。

7- 转到根服务器设置并单击“FastCGI 设置”。

8- 双击它，然后单击环境变量集合的“...”以启动环境变量集合编辑器。

9- 设置 PYTHONPATH 变量： - 名称：PYTHONPATH，值：您的站点目录

10-设置 WSGI_HANDLER （我的 Flask 应用程序名为 app.py，因此值为 app.app - 如果您的名为 site.py，则为 site.app 或类似名称）

11-那一套。

归功于此页面，您将找到更多详细信息。 在 IIS 上部署 Flask