1

我有以下 pmml 文件：

<?xml version="1.0" ?>
<PMML>
<Header copyright="">
    <Timestamp>2015-10-02 14:41:20.278000</Timestamp>
</Header>
<DataDictionary numberOfFields="5">
    <DataField dataType="double" name="sepal length" optype="continuous"/>
    <DataField dataType="double" name="sepal width" optype="continuous"/>
    <DataField dataType="double" name="petal length" optype="continuous"/>
    <DataField dataType="double" name="petal width" optype="continuous"/>
    <DataField dataType="string" name="result" optype="categorical">
        <Value value="iris setosa"/>
        <Value value="iris versicolor"/>
        <Value value="iris virginica"/>
    </DataField>
</DataDictionary>
<RegressionModel functionName="regression" modelName="IrisRegression" normalizationMethod="softmax" targetFieldName="result">
    <MiningSchema>
        <MiningField name="sepal length"/>
        <MiningField name="sepal width"/>
        <MiningField name="petal length"/>
        <MiningField name="petal width"/>
        <MiningField name="result" usageType="predicted"/>
    </MiningSchema>
    <RegressionTable intercept="0.265606167976">
        <NumericPredictor coefficient="0.414988328296" name="sepal length"/>
        <NumericPredictor coefficient="1.46129738856" name="sepal width"/>
        <NumericPredictor coefficient="-2.2621411772" name="petal length"/>
        <NumericPredictor coefficient="-1.02909509924" name="petal width"/>
    </RegressionTable>
    <RegressionTable intercept="1.08542374239">
        <NumericPredictor coefficient="0.416639685595" name="sepal length"/>
        <NumericPredictor coefficient="-1.60083318526" name="sepal width"/>
        <NumericPredictor coefficient="0.577657628678" name="petal length"/>
        <NumericPredictor coefficient="-1.38553842866" name="petal width"/>
    </RegressionTable>
    <RegressionTable intercept="-1.21471457808">
        <NumericPredictor coefficient="-1.70752515382" name="sepal length"/>
        <NumericPredictor coefficient="-1.53426833999" name="sepal width"/>
        <NumericPredictor coefficient="2.47097168077" name="petal length"/>
        <NumericPredictor coefficient="2.55538211298" name="petal width"/>
    </RegressionTable>
</RegressionModel>
</PMML>

当我尝试使用 jpmml-evaluator 对其进行评估时，我收到此错误：org.jpmml.evaluator.InvalidFeatureException: RegressionModel

它适用于线性回归。任何想法为什么我会收到此错误？我的 pmml 文件是否有问题？

编辑：我将 functionName 更改为regression，现在出现以下错误：

org.jpmml.evaluator.InvalidFeatureException: RegressionTable
    at org.jpmml.evaluator.RegressionModelEvaluator.evaluateClassification(RegressionModelEvaluator.java:140)
    at org.jpmml.evaluator.RegressionModelEvaluator.evaluate(RegressionModelEvaluator.java:70)
    at org.jpmml.evaluator.ModelEvaluator.evaluate(ModelEvaluator.java:345)
    at tryEvaluator.Example.somefunction(Example.java:75)
    at tryEvaluator.Example.main(Example.java:110)
4

1 回答 1

0

根据PMML 规范RegressionModel，回归类型元素包含多个RegressionTable子元素是非法的。

这是相关的报价：

如果模型用于预测一个数值字段，那么只有一个 RegressionTable 并且属性 targetCategory 可能会丢失。如果模型用于预测分类字段，则存在两个或多个 RegressionTables，并且每个 RegressionTables 都必须具有定义了唯一值的属性 targetCategory。

RegressionModel@functionName您可以通过将属性的值从更改为regression来修复您的 PMML 文档classification。显然，您正在处理分类类型的问题。

于 2015-10-03T06:55:16.073 回答