导入Sklearn2PMML生成.pmml回到Scikitlearn或Python中

Question

是否可以在某个地方回答，但是我一直在寻找一个小时，找不到一个好的答案。

我有一个简单的逻辑回归模型，该模型在Scikit-Learn中训练，该模型我将导出到.pmml文件。

  from sklearn2pmml import PMMLPipeline, sklearn2pmml
  my_pipeline = PMMLPipeline(
  ( classifier", LogisticRegression() )
      )
  my_pipeline.fit(blah blah)
  sklearn2pmml(my_pipeline, "filename.pmml")

等....

因此，我想知道/如何将此文件导入Python（最好是2.7）或Scikit-Learn，就像在Java/Scala中一样使用。

的线

"import (filename.pmml) as pm pm.predict(data)

感谢您的任何帮助！

Answer 1

scikit-learn不提供导入PMML文件的支持，因此您要实现的目标不能做到。

使用诸如Sklearn2pmml之类的库的概念确实是为了扩展Sklearn在支持模型导出到PMML格式时所没有的功能。

通常，使用Sklearn2PMML的人确实希望在其他平台中重新使用PMML模型（例如IBM的SPSS，Apache Spark ML，WEKA，WEKA或数据挖掘小组中列出的任何其他消费者）。

> >

您要保存使用Scikit-Learn创建的模型，然后再用Scikit-Learn重新使用它，那么您也应该探索其名为Pickle的本机持久性模型机制，该机制使用了二进制数据格式。p>您可以在此处阅读有关如何以腌制格式保存/加载模型（以及其已知问题）的更多信息。

Answer 2

我创建了一个简单的解决方案，以从我从knime Analytics平台导出的PMML文件中生成Sklearn Kmeans模型。您可以检查一下PMML2SKLEARN

Answer 3

您可以使用pypmml使用Python中的PMML在新数据集上进行预测，例如：

from pypmml import Model
model = Model.fromFile('the/pmml/file/path')
result = model.predict(data)

数据可能是pandas的JSON，串联或数据框架。

Answer 4

我相信您可以使用Python导入/导出PMML文件。加载模型后，您可以通过任何问题再次预测。但是，输出文件格式可能会有所不同，例如1D数组或NXN Panda表等。

from sklearn2pmml import make_pmml_pipeline, sklearn2pmml
from pypmml import Model
#Extract as pmml
yourModelPipeline = make_pmml_pipeline(yourModelObjectGoesHere)
sklearn2pmml(yourModelPipeline, "yourModel.pmml")
#Load from pmml
yourModelLoaded = Model.fromFile('yourModel.pmml')
prediction = yourModelLoaded.predict(yourPredictionDataSet)

最后再现结果需要很长时间，不要让它劝阻您:)。我想分享开发人员对此问题的评论：https：//github.com/autodeployai/pypmml/issues/53