python模型保存与恢复 pmml_Python 调用 PMML

最新推荐文章于 2024-06-27 18:30:00 发布

weixin_39822423

最新推荐文章于 2024-06-27 18:30:00 发布

阅读量744

点赞数

文章标签： python模型保存与恢复 pmml

本文介绍PMML(Predictive Model Markup Language)的用途及其优势，包括如何实现跨平台部署。此外，还提供了从Python到PMML的转换方法及将PMML文件还原为sklearn模型的具体步骤。文中详细记录了使用jpmml-evaluator-python遇到的问题及解决方案，以及利用openscoring进行模型部署的过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

PMML(Predictive Model Markup Language全称是预测模型标记语言，好处在于PMML可以让模型部署环境脱离开发环境，实现跨平台部署，是PMML区别于其他模型部署方法最大的优点。平时主要使用Python建模，导出PMML后便于研发在Java生产环境中部署。为了便于后续线上线下模型校验，需要进反向操作，将已有的PMML文件还原成sklearn中的机器学习模型。

尝试以下方式：jpmml-evaluator-python, 但一直无法尝试成功，"py4j.protocol.Py4JNetworkError: Answer from Java side is empty"

openscoring, 通过开启一个Java服务调用机器学习模型，客户端向服务端传递pmml模型文件和数据进行预测。

目前通过Add the bin directory of the created directory apache-maven-3.6.3 to the PATH environment variable

根目录下 vi .zshrc 末尾添加 export PATH=/Users/apache-maven-3.6.2/bin:$PATH source .zshrc

mvn -v 检查是否安装成功

2.下载openscoring到本地，同时下载下面文件到openscoring，并在当前路径下执行mvn clean install，安装成功

3.安装openscoring包，pip3 install openscoring

4.调用服务启用Java服务 java -jar java -jar /Users/openscoring/openscoring/openscoring-server/target/openscoring-server-executable-2.0-SNAPSHOT.jar/openscoring-server-executable-2.0-SNAPSHOT.jar

调用pmml文件

from openscoring import Openscoring

os = Openscoring("http://localhost:8080/openscoring")

os.deployFile("xgb", "XGBoostAudit.pmml")

print('done')

# predict

os.evaluateCsv('xgb',audit_df)

【参考】: