在python中为随机森林转换pmml文件答案

【问题标题】：Converting pmml file for random forest in python在python中为随机森林转换pmml文件
【发布时间】：2017-10-23 09:55:00
【问题描述】：

我需要在 python 中将我的随机森林模型转换为 pmml 格式。我已经从 github 导入了 sklearn2pmml 并尝试创建一个 pmml 文件。我运行下面的代码；

import pandas
import sklearn_pandas

iris = iris.csv

iris_df = pandas.concat((pandas.DataFrame(iris.data[:, :], columns = ["Sepal.Length", "sepal_width", "petal_length", "petal_width"]), pandas.DataFrame(iris.target, columns = ["species"])), axis = 1)

iris_mapper = sklearn_pandas.DataFrameMapper([('sepal_length',None),
                                              ('sepal_width', None), 
                                              ('petal_width', None),
                                              ('petal_width', None),
                                              ('species',None)])

iris = iris_mapper.fit_transform(iris_df)

from sklearn.ensemble import RandomForestClassifier

iris_X = iris[:, 0:4]
iris_y = iris[:, 4]

iris_classifier = RandomForestClassifier(n_estimators=10)
iris_classifier.fit(iris_X, iris_y)

from sklearn2pmml import sklearn2pmml

sklearn2pmml(iris_classifier, iris_mapper, "randomforest.pmml")

但是，我得到一个错误；

TypeError: The pipeline object is not an instance of PMMLPipeline

任何建议我缺少什么或创建 pmml 格式的其他方法？

【问题讨论】：

标签： python random-forest pmml

【解决方案1】：

TypeError: 管道对象不是 PMMLPipeline 的实例

sklearn2pmml 函数调用的第一个参数必须是sklearn2pmml.PMMLPipeline 的实例。您正在传递 sklearn.ensemble.RandomForestClassifier 的实例。

任何建议我缺少什么或创建 pmml 格式的其他方法？

您正在将史前代码示例与最新版本的 sklearn2pmml 库配对。这些是您的选择：

将代码示例升级到最新的 sklearn2pmml 库版本。请花两分钟时间阅读the "Usage" section of its README.file。
将 sklearn2pmml 库降级到 0.13.0（或更早）版本。

【讨论】：

【解决方案2】：

sklearn2pmml() 需要一个PMMLPipeline 模型，所以尝试像这样将iris_classifier 与PMMLPipeline 打包：

import pandas
import sklearn_pandas
from sklearn.datasets import load_iris
from sklearn2pmml.pipeline import PMMLPipeline
from sklearn.ensemble import RandomForestClassifier
d = load_iris()
iris_X = d.data
iris_y = d.target

iris_classifier = RandomForestClassifier(n_estimators=10)
#rfc_model = iris_classifier.fit(iris_X, iris_y)
pipeline_model = PMMLPipeline([('iris_classifier', 
iris_classifier)]).fit(iris_X, iris_y)
from sklearn2pmml import sklearn2pmml
sklearn2pmml(pipeline_model, 'rfc.pmml', with_repr = True)

【讨论】：