将 PMML 模型导入 Python (Scikit-learn)

Posted 2023-03-12

【中文标题】将 PMML 模型导入 Python (Scikit-learn)

【英文标题】：Importing PMML models into Python (Scikit-learn)

【发布时间】：2017-02-24 05:30:42

【问题描述】：

似乎有一些从 scikit-learn 中导出 PMML 模型的选项，例如 sklearn2pmml，但在另一个方向上的信息要少得多。我的案例是以前在 R 中构建的 XGboost 模型，并使用 r2pmml 保存到 PMML，我想在 Python 中使用它。 Scikit 通常使用 pickle 来保存/加载模型，但是否也可以使用 PMML 将模型导入 scikit-learn 中？

【参考方案1】：

您无法将不同的专门表示（例如 R 和 Scikit-Learn 原生数据结构）连接到通用表示（例如 PMML）上。尝试将 R 数据结构直接转换为 Scikit-Learn 数据结构可能会更好。

XGBoost 确实是上述规则的一个例外，因为它的 R 和 Scikit-Learn 实现只是原生 XGBoost 库的薄包装。在经过训练的 R XGBoost 对象中，有一个 blob raw，它是其原生 XGBoost 表示中的模型。将其保存到文件中，然后使用xgb.Booster.load_model(fname) 方法在 Python 中加载。

如果您知道需要在 Scikit-Learn 中部署 XGBoost 模型，那么为什么要在 R 中对其进行训练？

【讨论】：

如果你知道你需要在 Scikit-Learn 中部署 XGBoost 模型，那你为什么要在 R 中训练它呢？长话短说 - 我没有！

能否请您告诉我如何将 XGboost blob 原始对象保存到文件中。感谢您的帮助