SkLearn2PMML
ist
Ein dünner Wrapper um die JPMML-SkLearn-Befehlszeilenanwendung. Eine Liste der unterstützten Scikit-Learn Estimator- und Transformer-Typen finden Sie in der Dokumentation des JPMML-SkLearn-Projekts.
Wie der @ user1808924 bemerkt, unterstützt er Python 2.7 oder 3.4+. Es erfordert auch Java 1.7 +
Installiert über: (erfordert git )
%Vor%Beispiel für den Export einer Klassifizierungsbaumstruktur in PMML. Erweitern Sie zuerst die Struktur:
%Vor% Es gibt zwei Teile einer SkLearn2PMML-Konvertierung, einen Schätzer (unsere clf
) und einen Mapper (für Vorverarbeitungsschritte wie Diskretisierung oder PCA). Unser Mapper ist ziemlich einfach, da wir keine Transformationen durchführen.
Es ist möglich (obwohl nicht dokumentiert), mapper=None
zu übergeben, aber Sie werden sehen, dass die Prädiktionsnamen verloren gehen (Rückgabe von x1
nicht sepal length
usw.).
Schauen wir uns die Datei .pmml
an:
Der erste Split (Node 1) liegt auf Petal Breite bei 0.8. Knoten 2 (Blütenblattbreite & lt; = 0,8) fängt das gesamte Setosa ein, mit nichts anderem.
Sie können die Ausgabe von pmml mit der Ausgabe von graphviz
vergleichen:
Tags und Links python scikit-learn pmml