如何告诉 r2pmml 我的变量是什么数据类型？

Question

我想以 pmml 格式导出 R 模型并在其他地方使用它。其他软件需要一些变量作为整数，但所有数字变量都导出为双精度变量，即使它们在我的数据集中显式为整数。

我试图通过手动（或使用正则表达式）更改它们来绕过这个问题，并且我删除了每个小数，但是当软件接受新格式时，预测不是我所期望的（因为我只是删除了小数），所以我想要直接在 R 中解决这个问题。

如何强制我的变量为特定数据类型（尤其是“整数”）？

这是一个导出 .pmml 的代码示例：

# Required packages -------------------------------------------------------

library(tidyverse)
library(r2pmml)
library(randomForest)
library(nnet)

# Dataset creation --------------------------------------------------------

seed = 1
data = data.frame(
  var1 = round(runif(10) * 100),
  var2 = round(runif(10) * 100),
  y = round(runif(10) * 100)
)

data =
  data %>%
  mutate(var1 = as.integer(var1),
         var2 = as.integer(var2))

# Structure check ---------------------------------------------------------

str(data)

# Neural Network and Random Forest models ---------------------------------

nn =
  nnet(
    y ~ .,
    data = data,
    method = "nnet",
    size = c(2),
    linout = 1
  )

rf =
  randomForest(y ~ .,
               data = data)

# pmml export -------------------------------------------------------------

r2pmml(rf,
       file = "rf.pmml",
       dataset = data,
       verbose = TRUE)

r2pmml(nn,
       file = "nn.pmml",
       dataset = data,
       verbose = TRUE)

我希望我的 pmml 将变量 var1 和 var2 作为整数，但在输出的这一部分中它们最终是双倍的

    <DataDictionary>
        <DataField name="y" optype="continuous" dataType="double"/>
        <DataField name="var1" optype="continuous" dataType="double"/>
        <DataField name="var2" optype="continuous" dataType="double"/>

我在

中得到十进制数

        <NeuralLayer activationFunction="logistic">
            <Neuron id="hidden/1" bias="-0.4112317232771385">
                <Con from="input/1" weight="-6.591508925328581"/>
                <Con from="input/2" weight="-31.805468580606753"/>
            </Neuron>

但我不确定它应该是整数还是双精度。

Answer 1

由于R2PMML 包及其底层JPMML-R 库是开源的，您可以随时查看源代码（您正在使用的版本）以了解实现方式。对于nnet 模型类型，您可以查看org.jpmml.rexp.NNetConverter 类。

基本上，有两种选择。首先，R 模型对象（nnet 保存在 RDS 文件中的对象）可能根本不包含任何特征类型信息。其次，该信息可能存在，但转换器尚未使用它 - 它默认为 nnet 算法的默认数据类型（所有数值计算工作均使用双精度数据类型完成，因此看起来不错选择存储在 PMML 文档中）。

它究竟记录在你的 R 模型对象中的什么地方，其中 var1 和 var2 是整数（而不是双精度数）？如果你认为 您已经找到了答案，请考虑使用 JPMML-R 项目提出功能请求。