有没有办法将 pmml 文件导入 python？

Question

我使用 sklearn 训练了一个模型，并使用 sklearn2pmml 将其导出为 pmml 格式。有没有办法将该 pmml 文件转换回可以在 python 中导入和运行的东西？

我之所以这样做，是因为我注意到 pmml 模型与 sklearn 模型的行为方式略有不同。具体来说，pmml 文件为变量设置了严格的上限和下限（使用训练集中变量的最大值和最小值），而 sklearn 没有。当 pmml 模型遇到超出这些界限的数据时，我会遇到问题。这只是 pmml 模型和 sklearn 模型之间的区别之一，我希望能够将 pmml 文件重新导入 python 来运行它，看看是否还有其他的。

Answer 1

您无需测试 sklearn2pmml 生成模型的正确性。它基于 JPMML-SkLearn 库，该库全面覆盖集成测试 - Scikit-Learn 预测和 PMML 预测可证明是相同的。

您真正的问题是您想在其预期的“适用范围”之外应用模型。这是一个很好的主意，因为在这种情况下没有指定模型的行为 - 垃圾输入、垃圾预测。

但是，如果您坚持必须能够在生产环境中向模型提供垃圾，那么只需禁用 PMML 值边界检查即可。有很多方法可以做到这一点：

1. 从/PMML/DataDictionary/DataField 元素中删除Value 和Interval 子元素。
2. 修改Value 和Interval 子元素，以便将那些以前看不见的值识别为有效值。例如，您可以定义 Input 元素的边距以包含所有值 [-Inf, +Inf]。请参阅 PMML 规范中对 Value 和 Interval 元素的说明以了解正确的语法。
3. 将所有/PMML/<Model>/MiningSchema/MiningField 元素的invalidValueTreatment 属性值从“returnInvalid”更改为“asIs”。如果缺少此属性，则默认为“returnInvalid”。所以你需要在那里插入invalidValueTreatment=asIs。

我会推荐选项 #3。您可以使用 JPMML-Model 库自动执行该过程：

org.dmg.pmml.PMML pmml = loadFromFile(..)
org.dmg.pmml.Visitor mfUpdater = new org.jpmml.model.visitors.AbstractVisitor(){
  @Override
  public VisitorAction visit(MiningField miningField){
    miningField.setInvalidValueTreatment(InvalidValueTreatmentMethod.AS_IS);
    return VisitorAction.CONTINUE;
  }
}
mfUpdater.applyTo(pmml);
saveToFile(pmml, ...)