将sklearn模型导出到pmml的简单方法。
scikit2pmml的Python项目详细描述
sklearn2pmml
==
sklearn2pmml是sklearn模型的简单导出器(对于支持的模型,请参见下文)为pmml文本格式,该格式解决了以下提到的问题。
兼容性**:您更新了库,可能无法打开用旧版本序列化的模型
***危险代码**:当您使用其他人制作的模型时
***可解释性**:模型不能很容易被人打开和检查
*等。
有助于梯度下降在优化空间中平稳运行的功能。
安装
----
代码块::bash
$pip install sklearn2pmml
代码块::python
from scikit2pmml import scikit2pmml
from sklearn.datasets import load_iris
import numpy as np
from sklearn.ensemble import randomForestClassifier
iris=load_iris()
x=iris.data.astype(np.float32)
y=iris.target.astype(np.int32)
model=RandomForestClassifier(最大深度=2,n_估计器=10,随机状态=0)
model.fit(x,y)
params={
'pmml_version':'4.2',
'feature_names':iris.feature_names,
'target_values':iris.target_names,
'target_name':'specie',
'copyright':'václav采adek',
“描述”:“简单iris rf模型”。
“模型名称”:“iris模型”
}
导出。
-**要素名称**:如果提供了与输入层具有相同形状的要素,则要素将具有自定义名称,否则将使用通用名称(x\:sub:`0`,…,x\:sub:`n-1`)。
-**目标值**:如果提供了与输出层具有相同形状的要素,则目标值将具有自定义名称,否则将使用通用名称(y\:sub:`0`\,…,y\:sub:`n-1`\)。
-**目标名称**:如果提供,则目标变量将具有自定义名称,否则将使用通用名称**类**。
-**版权**:模型的作者。
-**说明**:在PMML文档中设置*说明*的可选参数。
-**模型名称**:在PMML文档中设置*模型名称*的可选参数。
支持什么?
---------
-线性模型
*sklearn.linear廑模型.linearregression
*sklearn.linear廑模型.logisticregression
-树
*sklearn.tree.decisiontree
*sklearn.tree.extratreeclassifier
-集成
*sklearn.ensemble.randomForestClassifier
*sklearn.ensemble.extratreesClassifier
-scalers
*sklearn.preprocessing.standardscaler
*sklearn.preprocessing.minmaxscaler
许可证
----
本软件获得麻省理工学院许可证。
-https://opensource.org/licenses/mit
==
sklearn2pmml是sklearn模型的简单导出器(对于支持的模型,请参见下文)为pmml文本格式,该格式解决了以下提到的问题。
兼容性**:您更新了库,可能无法打开用旧版本序列化的模型
***危险代码**:当您使用其他人制作的模型时
***可解释性**:模型不能很容易被人打开和检查
*等。
有助于梯度下降在优化空间中平稳运行的功能。
安装
----
代码块::bash
$pip install sklearn2pmml
代码块::python
from scikit2pmml import scikit2pmml
from sklearn.datasets import load_iris
import numpy as np
from sklearn.ensemble import randomForestClassifier
iris=load_iris()
x=iris.data.astype(np.float32)
y=iris.target.astype(np.int32)
model=RandomForestClassifier(最大深度=2,n_估计器=10,随机状态=0)
model.fit(x,y)
params={
'pmml_version':'4.2',
'feature_names':iris.feature_names,
'target_values':iris.target_names,
'target_name':'specie',
'copyright':'václav采adek',
“描述”:“简单iris rf模型”。
“模型名称”:“iris模型”
}
导出。
-**要素名称**:如果提供了与输入层具有相同形状的要素,则要素将具有自定义名称,否则将使用通用名称(x\:sub:`0`,…,x\:sub:`n-1`)。
-**目标值**:如果提供了与输出层具有相同形状的要素,则目标值将具有自定义名称,否则将使用通用名称(y\:sub:`0`\,…,y\:sub:`n-1`\)。
-**目标名称**:如果提供,则目标变量将具有自定义名称,否则将使用通用名称**类**。
-**版权**:模型的作者。
-**说明**:在PMML文档中设置*说明*的可选参数。
-**模型名称**:在PMML文档中设置*模型名称*的可选参数。
支持什么?
---------
-线性模型
*sklearn.linear廑模型.linearregression
*sklearn.linear廑模型.logisticregression
-树
*sklearn.tree.decisiontree
*sklearn.tree.extratreeclassifier
-集成
*sklearn.ensemble.randomForestClassifier
*sklearn.ensemble.extratreesClassifier
-scalers
*sklearn.preprocessing.standardscaler
*sklearn.preprocessing.minmaxscaler
许可证
----
本软件获得麻省理工学院许可证。
-https://opensource.org/licenses/mit