streamlit_data_app 用于数据/统计数据可视化的应用程序

心力衰竭预测 机器学习Streamlit Web应用程序可预测由心力衰竭引起的死亡率 数据集来源 数据集来自Kaggle。 作者是Davide Chicco和Giuseppe Jurman：机器学习可以仅凭血清肌酐和射血分数来预测心力衰竭患者的生存。 BMC Medical信息学与决策制定20，16（2020）。 网络应用功能 侧边栏目录 探索数据 关于心力衰竭的信息。 使用选定的熊猫功能进行数据集探索。 用于特定列比较的多选框功能。 具有可自定义的轴和图类型的可视化区域。 预测死亡率 侧栏上的用户输入功能（复选框，单选按钮，滑块和数字输入）。 数据框基于用户输入。 结论按钮可预测死亡率。 引文数据集来源 机器学习模型随机森林分类器 预测值 年龄 贫血-红细胞或血红蛋白减少（布尔型） creatinine_phosphokinase-血液中CPK酶的水平（mcg / L）

带有Python的Neural Network Visualizer Web App 使用Streamlit的Neural Network Visualizer Web应用程序，以及使用Keras和Flask的简单模型服务器。 它使用Keras训练神经网络模型，并使用Keras的功能API创建具有多个输出的模型。 它是一个Web应用程序，可针对给定的输入可视化神经网络所有层的所有节点的输出。

streamlit-0.69.2-py2.py3-none-any.whl pypi可以免费下载

streamlit-fastapi-model-serving 和描述了使用Streamlit和FastAPI进行ML模型服务的简单示例。 在开发用于机器学习模型的简单API时，同时具有供其他应用程序调用的后端（带有API文档）和供用户试用该功能的前端可能会很有用。 在此示例中，我们为后端服务使用FastAPI并为前端服务进行streamlit提供。 docker-compose协调两个服务并允许它们之间进行通信。 要在运行Docker和docker-compose的机器上运行示例，请运行： docker-compose build docker-compose up 要访问生成的服务的FastAPI文档，请使用Web浏览器访问 。 要访问简化的UI，请访问 。 可以通过以下方式检查日志： docker-compose logs 部署方式 要部署该应用程序，一种选择是在Her

Streamlit是第一个专门针对机器学习和数据科学团队的应用开发框架，是开发自定义机器学习工具的最快的方法，可以帮助机器学习工程师快速开发用户交互工具。

Streamlit是一个开源的Python库，是 机器学习工程师专用的应用程序框架， 第一个专门针对机器学习和数据科学团队的应用开发框架 。 利用Streamlit可以快速构建机器学习应用的用户界面。

Streamlit是一个开源的Python库，是 机器学习工程师专用的应用程序框架， 第一个专门针对机器学习和数据科学团队的应用开发框架 。 利用Streamlit可以快速构建机器学习应用的用户界面。

Streamlit是一个开源的Python库，是 机器学习工程师专用的应用程序框架， 第一个专门针对机器学习和数据科学团队的应用开发框架 。 利用Streamlit可以快速构建机器学习应用的用户界面。

股票仪表盘 使用Streamlit构建的仪表板，用于跟踪和获取股票代号的用户输入信息。