Композиции алгоритмов для решения задачи регрессии, размещённые на Flask-сервере

Запуск Docker-образа

1. Чтобы собрать докер образ: `docker build -t repo_name/image_name:image_tag .`
2. Чтобы его запустить: `docker run -p 5000:5000 -v "$PWD/FlaskExample/data:/root/FlaskExample/data" --rm -i repo_name/image_name`

Формат данных

1. Предсказываемое значение и признаки должны подаваться раздельно как для тестовой, так и для валидационной выборок. То есть по два файла на каждом этапе загрузки данных.
2. Подразумевается, что данные предназначены для распаковки в формате **pandas DataFrame**.
3. И признаки, и целевая переменная должны иметь столбец индексов.
4. Пример входных данных находится в папке **data example**

Рабочий цикл сайта-интерфейса Flask-сервера

1. Титульная страница.
2. Выбор модели, задание гиперпараметров и загрузка обучающего датасета.
3. Ожидание обучения...
4. Обзор параметров обученной модели. Можно посмотреть динамику функции ошибок и общее время обучения.
5. Загрузка валидационного датасета.
6. Просмотр результата (значение RMSE)
7. После можно либо сделать повторное предсказание, либо обучить новую модель.