生成以及调用pmml文件

最新推荐文章于 2024-11-13 11:25:38 发布

原创最新推荐文章于 2024-11-13 11:25:38 发布 · 716 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#python

该博客演示了如何使用Python的sklearn库构建决策树分类器，并通过sklearn2pmml库将模型转换为PMML（Predictive Model Markup Language）文件。首先，加载鸢尾花数据集，然后训练决策树模型，最后将模型保存为D盘的'iris.pmml'文件，以便于在不同环境中部署和使用。

from sklearn import tree
from sklearn.datasets import load_iris
from sklearn2pmml.pipeline import PMMLPipeline
from sklearn2pmml import sklearn2pmml

if __name__ == '__main__':
    # 经典数据集
    iris = load_iris()
    # print(iris.keys())
    # 样本特征
    x = iris.data
    # print(x)
    # 分类目标
    y = iris.target
    # print(y)
    # 用决策树分类
    pipeline = PMMLPipeline([("classifier", tree.DecisionTreeClassifier())])
    # 训练
    result = pipeline.fit(x, y)
    print(result)
    # 输出PMML文件
    sklearn2pmml(pipeline, "D:\iris.pmml", with_repr=True)