在Flask中构建ML模型时，如何对我的一些自变量和因变量进行预处理？

Question

根据人口统计数据预测客户生命周期价值是一个回归问题。我总共有14个X变量，它们是分类和数值数据的混合。

X = ['Coverage', 'Education', 'EmploymentStatus', 'Income',
       'Marital Status', 'Months Since Last Claim',
       'Months Since Policy Inception', 'Number of Open Complaints',
       'Number of Policies', 'Renew Offer Type', 'Vehicle Class',
       'Vehicle Size', 'Monthly Premium Auto_boxcox',
       'Total Claim Amount_boxcox']

y = ['Customer Lifetime Value_boxcox']

想法是建立一个表单，在该表单中可以在表单中输入X变量，并且Flask模型将预测客户生命周期价值。当前，如您所见，每月保费自动和总索赔额数据高度右偏，因此该数据已使用boxcox进行了转换。但是如何转换用户的输入数据？

此外，客户生命周期价值也用boxcox转换，结果需要未转换为原始美元价值。我是使用spyder和flask来建立这个的，灵感来自https://www.youtube.com/watch?v=UbCWoMf80PY

下面是我所有的代码文件，供您参考：数据，app.py，model.py，index.html：https://drive.google.com/open?id=1XHwX-AlDlzo_crhG5EIA8LEfVhtGpSmZ

任何使这个前端更好的帮助他都会很棒。预先谢谢！

PS：我已阅读有关在构建模型时使用request.py或Pipeline进行预处理的信息，但我不确定boxcox将如何落入原位以及如何取消转换客户生命周期价值。另外，我对此绝对陌生，请您尽可能简化您的答案。

Answer 1

我不知道答案！但我会尽量注意。

谢谢