java使用pmml调用sklearn算法模型

最新推荐文章于 2022-01-22 16:58:00 发布

原创最新推荐文章于 2022-01-22 16:58:00 发布 · 2.8k 阅读

12 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #sklearn #pmml #java

java 同时被 3 个专栏收录

9 篇文章

订阅专栏

sklearn

2 篇文章

订阅专栏

机器学习

1 篇文章

订阅专栏

本文介绍如何使用pmml实现Java调用Python sklearn训练的模型。首先利用sklearn2pmml生成PMML文件，然后Java应用加载此文件进行预测。需确保Python模型版本与Java依赖包版本一致。

部署运行你感兴趣的模型镜像

场景

需要在java调用python sklearn训练评估的模型，本文介绍使用pmml来实现。

生成pmml文件

#引入sklearn2pmml包
from sklearn2pmml import sklearn2pmml
from sklearn2pmml.pipeline import PMMLPipeline

#使用PMMLPipeline包裹具体评估器
clf = PMMLPipeline([("MLPClassifier", MLPClassifier(hidden_layer_sizes=(25,), random_state=1, max_iter=100, warm_start=True))])
clf.fit(value, label)

#保存模型到指定文件
sklearn2pmml(clf, "MLPClassifier.pmml", with_repr=True)

JAVA调用模型

引用java maven依赖包

        <dependency>
            <groupId>org.jpmml</groupId>
            <artifactId>pmml-evaluator</artifactId>
            <version>1.5.15</version>
        </dependency>

        <dependency>
            <groupId>org.jpmml</groupId>
            <artifactId>pmml-evaluator-extension</artifactId>
            <version>1.5.15</version>
        </dependency>

java加载模型并评估

        Map<String, Object> paramData = new HashMap<>();
        paramData.put("x1", 180D);
        paramData.put("x2", 350D);

        FileInputStream inputStream = new FileInputStream("MLPClassifier.pmml");
        //解析pmml文件，实际上是用JAXB做xml的解析
        PMML pmml = PMMLUtil.unmarshal(inputStream);
        //生成评估器
        ModelEvaluator<?> evaluate = new ModelEvaluatorBuilder(pmml).build();

        //构建输入参数
        Map<FieldName, FieldValue> arguments = new LinkedHashMap<>();
        List<InputField> inputFields = evaluate.getInputFields();
        for (InputField inputField : inputFields) {            //将参数通过模型对应的名称进行添加
            FieldName inputFieldName = inputField.getName();   //获取模型中的参数名
            Object paramValue = paramData.get(inputFieldName.getValue());   //获取模型参数名对应的参数值
            FieldValue fieldValue = inputField.prepare(paramValue);   //将参数值填入模型中的参数中
            arguments.put(inputFieldName, fieldValue);          //存放在map列表中
        }

        //开始评估
        Map<FieldName, ?> target = evaluate.evaluate(arguments);

        //获取评估结果
        List<TargetField> targetFields = evaluate.getTargetFields();
        Object targetFieldValue = target.get(targetFields.get(0).getFieldName());
        System.out.println("targetFieldValue: " + targetFieldValue);
        System.out.println("target: " + target);