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
欢迎加入QQ群-->： 979659372
