記一次PMML文件的處理過程

背景

業務方說須要我作個web界面，在上面輸入一條網站訪問線索的信息，後臺經過機器學習計算這條線索的評級，例如這條線索對應的用戶購買意願有多強之類的。而機器學習對應的模型，也是業務方本身用KNIME這個軟件訓練的，而後將訓練完的模型導出爲一個PMML格式的文件，我所須要作的主要工做就是導入這個文件，轉換成對應的機器學習模型。

注：做者去簡單嘗試了KNIME這個軟件，感受是個數據分析的利器。[連接]

---

PMML介紹

PMML(Predictive Model Markup Language)全稱是預測模型標記語言，既然叫作標記語言，那其實與html/XML等也是很是相似的，只是它存儲的是機器學習模型的信息，好比特徵名稱、類型、個數，模型種類等等。它經常使用於部署，例如模型在dev環節訓練好了，將其導出爲一個PMML文件，而後在prod環境中導入便可，也很方便在不一樣的環境間傳遞模型，例如使用python訓練出來的模型，用R來調用和預測。

---

Python導入PMML的問題

如今大部分語言都支持將訓練好的模型導出爲PMML文件，python一樣也可使用sklearn2pmml這個庫來導出模型，但我發現沒有一個很好的工具能反向操做，將已有的PMML文件還原成sklearn中的機器學習模型。因而在GitHub嘗試了一些方案，以下：

1. 找到一個項目叫作jpmml-evaluator，是用java寫的，它支持將PMML導入到java中，進入做者的倉庫中，又發現一個叫作jpmml-evaluator-python，根據ReadMe介紹，這是一個將jpmml-evaluator作了簡單封裝的python版本，使python能夠導入PMML文件，但用戶較少，start也只有1，試用時發現了問題，也向做者反饋了，而且做者還所以更新了代碼，但仍然沒有解決。issue連接: https://github.com/jpmml/jpmm...
2. 又找了一個叫作sklearn-pmml-model，目前也是用戶少，功能不完整（支持的模型有限）的狀況，但在安裝過程當中就出錯，聯繫了做者，未得到反饋。
3. openscoring項目，一樣也是一個用java寫的項目，其做用就是支持開啓一個服務端用於調用機器學習模型，客戶端向服務端傳遞機器學習的PMML文件和預測數據，服務端可使用jar包一鍵部署，而客戶端則可使用java/python/R等不一樣的SDK，甚至直接使用curl，最終該方案用上了。在和做者溝通中，做者還指出了KNIME導出的PMML存在的BUG，並建議向KNIME反饋這個BUG。