Python：pmml格式文件的简介、安装、使用方法(利用python将机器学习模型转为Java常用的pmml格式文件)之详细攻略

舒心与跳跳糖 2022-09-19 12:06:48  51343

分类专栏：资讯

pmml格式文件的简介

PMML（Predictive Model Markup Language）主要是作为分析模型训练实例的载体，截至到PMML 4.2版本，支持的模型包括：关联规则、基线模型、决策树、聚类、回归、KNN、神经网络、贝叶斯、记分牌、序列、文本、时间序列、规则集和SVM。 PMML使用统一的规范进行验证，使用XSD进行词法验证，使用XSLT进行语法验证，在构造和解析的时候都要依照统一的PMML规范操作。
PMML 是一种事实标准语言，用于呈现数据挖掘模型。预测分析模型和数据挖掘模型是指代数学模型的术语，这些模型采用统计技术了解大量历史数据中隐藏的模式。预测分析模型采用定型过程中获取的知识来预测新数据中是否有已知模式。PMML 允许您在不同的应用程序之间轻松共享预测分析模型。因此，您可以在一个系统中定型一个模型，在 PMML 中对其进行表达，然后将其移动到另一个系统中，并在该系统中使用上述模型预测机器失效的可能性等。
简单来说，PMML就是在一个平台训练好模型，然后封装成PMML文件，然后再在另一个平台中可以直接使用训练好的模型。PMML 是数据挖掘群组的产物，该群组是一个由供应商领导的委员会，由各种商业和开放源码分析公司组成。因此，现在的大部分领先数据挖掘工具都可以导出或导入 PMML。作为一个已发展 10 多年的成熟标准，PMML 既可以呈现用于从数据中了解模型的统计技术（如人工神经网络和决策树），也可以呈现原始输入数据的预处理以及模型输出的后处理。

1、PMML结构

a) PMML标签 PMML的命名空间定义如下： xmlns="http://www.dmg.org/PMML-4_2"
b) Header标签 Header标签标识着PMML正文的开始，可以包含copyright、描述、名称等信息，可以添加时间戳、注解等元素。
c) MiningBuildTask 此元素包含构造模型实例的配置信息，一般是SQL或Java片段。
d) DataDictionary 此元素包含挖掘模型的每个属性信息，通过DataDictionary基本可以确定模型的规模。在DataDictionary中的DataField的name必须在DataField和DerivedField的name中唯一。
e) TransformationDictionary TransformationDictionary主要用于从原数据到模型使用数据之间的映射，支持的映射包括正规化、离散化、数值映射、词频、定义函数和聚集。