问题标签 [pmml]

我是 python、PMML 和 augustus 的新手，所以这个问题有点像新手。我有一个 PMML 文件，我想在每次新的数据迭代后从中评分。我必须使用 Python 和 Augustus 来完成这个练习。我已经阅读了各种文章，其中一些值得一提，因为它们很好。

（http://augustusdocs.appspot.com/docs/v06/model_abstraction/augustus_and_pmml.html，http://augustus.googlecode.com/svn-history/r191/trunk/augustus/modellib/regression/producer/Producer.py _ _ )

我已阅读与评分相关的 augustus 文档以了解其工作原理，但我无法解决此问题。

使用 R 中的汽车数据生成示例 PMML 文件。其中“dist”是相关变量，“速度”是自变量。现在，每当我从方程式（即 dist = -17.5790948905109 + speed*3.93240875912408）收到速度数据时，我都想预测 dist 。我知道它可以在 R 中使用 predict 函数轻松完成，但问题是我在后端没有 R 并且只有 python 与 augustus 一起得分。任何帮助都非常感谢，并提前感谢。

示例 PMML 文件：

我正在使用 R 上的“iris”数据进行决策树分析。现在的问题是，在使用 print 和 plots 获取输出方面，每件事都可以正常工作，但是当我尝试使用 ctree 生成 PMML 文件时，出现以下错误：

使用 rpart 库虽然我能够成功生成 PMML，但我无法弄清楚为什么 pmml 不是用 ctree 生成的。我把工作和非工作的结果都放在了

我在 Windows（64 位）版本 3.0.2 上使用 R。

如果有人弄清楚它为什么会发生，请提前非常感谢？

我使用 Augustus 作为 PMML 模型消费者。我已经修改了添加两个数字的示例以包含一个 DefineFunction 元素，如下所示：

我将此模型保存在一个文件中并尝试像这样运行它：

但是，我收到一个错误：

我正在使用最新的主干（修订版 794）并且能够毫无问题地运行未修改的示例（没有 DefineFunction）。Augustus 是否支持 DefineFunction？

对于持久化和重用训练有素的机器学习模型有什么建议/最佳实践吗？我正在用 Python 或 R 开发模型。然后这些模型必须在生产工作流程中用于评分（其中 R 不可用）。例如，可能有一个在 R 中训练的逻辑回归模型。现在需要针对该模型对新的观察结果进行评分。评分引擎必须快速且可扩展。我想过跟随

1. PMML ( http://en.wikipedia.org/wiki/Predictive_Model_Markup_Language )。用 R 开发的大多数模型很容易转换为 pmml。但是，我找不到适用于 PMML 模型的有用评分引擎。例如，有 augustus ( https://code.google.com/p/augustus/ ) 但它只实现了 3-4 个模型。

2. 在 Python 中使用 pickle 序列化模型并在 Python 中编写消费者。

关于正确方法的任何想法/建议？

在尝试使用 pmml 包将 R 分类器导出到 PMML 时，我注意到树中节点的类分布没有导出。

PMML 通过 ScoreDistribution 元素支持这一点：http ://www.dmg.org/v1-1/treemodel.html

无论如何在 PMML 中有这些信息吗？我想用另一个依赖于此信息的工具来阅读 PMML。

我正在做类似的事情：

我正在将 R randomForest 模型导出到 PMML。生成的 PMML 始终将类作为 DataDictionary 元素的第一个元素，这并不总是正确的。

有没有办法解决这个问题，或者至少使用自定义扩展元素增加 PMML？这样我就可以把类索引放在那里。

我查看了 pmml 包文档以及 pmmlTransformations 包，但找不到任何可以帮助我解决此问题的内容。

考虑到大数据的爆炸式增长，在生产中部署预测模型似乎没有太多选择。

我了解开源 PMML 可用于将模型导出为 XML 规范。然后可以将其用于数据库内评分/预测。然而，要完成这项工作，您似乎需要使用 Zementis 的 PMML 插件，这意味着该解决方案并不是真正的开源。是否有更简单的开放方式将 PMML 映射到 SQL 以进行评分？

另一种选择是使用 JSON 而不是 XML 来输出模型预测。但在这种情况下，R 模型会放在哪里？我假设它总是需要映射到 SQL...除非 R 模型可以与数据位于同一服务器上，然后使用 R 脚本针对传入的数据运行？

还有其他选择吗？

我尝试了几次将 pmml 函数从包 pmml 应用到由包 randomForest 创建的随机森林模型（'model.rf'）：

每次在我的 Windows 8 系统（i7-4500U / 8gb RAM）上花费几个小时，直到 R 崩溃。

模型相当大。.RData 文件（仅包含模型）约为。10mb 磁盘和：

是内存不足导致的崩溃？我意识到 R 进程在崩溃之前几乎占用了所有可用内存。如果是这样，将我的模型转换为 pmml 需要什么系统？

同样从 iris 示例看来，磁盘上的大小增加了约 15 倍，因为与 R 数据文件相比，XML 不是压缩格式：

iris.rf.RData --> 4kb iris.rf.xml --> 59kb

这个因素是恒定的吗？我的模型的 pmml 版本会在磁盘上约为 150mb 吗？

我目前正在实施一个用 SAS 开发的模型。有没有办法直接将 SAS 代码转换为 PMML ？

我已经使用 pandas 和 scikit learn 开发了一个垃圾邮件分类器，可以将它集成到我们基于 hadoop 的系统中。为此，我需要将我的分类器导出为比酸洗更常见的格式。

预测模型标记语言 (PMML) 是我首选的导出格式。它与我们已经使用的 Cascading 配合得非常好。但是，令人惊讶的是，我找不到任何将 scikit-learn 模型导出到 PMML 的 python 库。

有没有人有过这个用例的经验？是否有任何替代 PMML 的方法可以在 scikit-learn 和 hadoop 之间提供互操作性？一个可靠的 PMML 导出库怎么样？