在机器学习用于产品的时候，我们经常会遇到跨平台的问题。比如我们用Python基于一系列的机器学习库训练了一个模型，但是有时候其他的产品和项目想把这个模型集成进去，但是这些产品很多只支持某些特定的生产环境比如Java，为了上一个机器学习模型去大动干戈修改环境配置很不划算，此时我们就可以考虑用预测模型标记语言(Predictive Model Markup Language,以下简称PMML)来实现跨平台的机器学习模型部署了。

1. PMML概述

　　　　PMML是数据挖掘的一种通用的规范，它用统一的XML格式来描述我们生成的机器学习模型。这样无论你的模型是sklearn,R还是Spark MLlib生成的，我们都可以将其转化为标准的XML格式来存储。当我们需要将这个PMML的模型用于部署的时候，可以使用目标环境的解析PMML模型的库来加载模型，并做预测。

　　　　可以看出，要使用PMML，需要两步的工作，第一块是将离线训练得到的模型转化为PMML模型文件，第二块是将PMML模型文件载入在线预测环境，进行预测。这两块都需要相关的库支持。

2. PMML模型的生成和加载相关类库

　　　　PMML模型的生成相关的库需要看我们使用的离线训练库。如果我们使用的是sklearn，那么可以使用sklearn2pmml这个python库来做模型文件的生成，这个库安装很简单，使用"pip install sklearn2pmml"即可，相关的使用我们后面会有一个demo。如果使用的是Spark MLlib, 这个库有一些模型已经自带了保存PMML模型的方法，可惜并不全。如果是R，则需要安装包"XML"和“PMML”。此外，JAVA库JPMML可以用来生成R,SparkMLlib,xgBoost,Sklearn的模型对应的PMML文件。

　　　　加载PMML模型需要目标环境支持PMML加载的库，如果是JAVA，则可以用JPMML来加载PMML模型文件。相关的使用我们后面会有一个demo。

3. PMML模型生成和加载示例

　　　　下面我们给一个示例，使用sklearn生成一个决策树模型，用sklearn2pmml生成模型文件，用JPMML加载模型文件，并做预测。

　　　　完整代码https://github.com/ljpzzz/machinelearning/blob/master/model-in-product/sklearn-jpmml

　　　　首先是用用sklearn生成一个决策树模型，由于我们是需要保存PMML文件，所以最好把模型先放到一个Pipeline数组里面。这个数组里面除了我们的决策树模型以外，还可以有归一化，降维等预处理操作，这里作为一个示例，我们Pipeline数组里面只有决策树模型。代码如下:

import numpy as np

import matplotlib.pyplot as plt

%matplotlib inline

import pandas as pd

from sklearn import tree

from sklearn2pmml.pipeline import PMMLPipeline

from sklearn2pmml import sklearn2pmml

import os

os.environ["PATH"] += os.pathsep + 'C:/Program Files/Java/jdk1.8.0_171/bin'

X=[[1,2,3,1],[2,4,1,5],[7,8,3,6],[4,8,4,7],[2,5,6,9]]

y=[0,1,0,2,1]

pipeline = PMMLPipeline([("classifier", tree.DecisionTreeClassifier(random_state=9))]);

pipeline.fit(X,y)

sklearn2pmml(pipeline, ".\demo.pmml", with_repr = True) #

上面代码报错，可下载java端的jar包，jpmml-sklearn-executable
https://github.com/jpmml/jpmml-sklearn/releases

可参考博客：https://www.jianshu.com/p/fcb7256fcbd5修改代码。

上面这段代码做了一个非常简单的决策树分类模型，只有5个训练样本，特征有4个，输出类别有3个。实际应用时，我们需要将模型调参完毕后才将其放入PMMLPipeline进行保存。运行代码后，我们在当前目录会得到一个PMML的XML文件，可以直接打开看，内容大概如下：

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>

<PMML xmlns="http://www.dmg.org/PMML-4_3" version="4.3">

    <Header>

        <Application name="JPMML-SkLearn" version="1.5.3"/>

        <Timestamp>2018-06-24T05:47:17Z</Timestamp>

    </Header>

    <MiningBuildTask>

        <Extension>PMMLPipeline(steps=[('classifier', DecisionTreeClassifier(class_weight=None, criterion='gini', max_depth=None,

            max_features=None, max_leaf_nodes=None,

            min_impurity_decrease=0.0, min_impurity_split=None,

            min_samples_leaf=1, min_samples_split=2,

            min_weight_fraction_leaf=0.0, presort=False, random_state=9,

            splitter='best'))])</Extension>

    </MiningBuildTask>

    <DataDictionary>

        <DataField name="y" optype="categorical" dataType="integer">

            <Value value="0"/>

            <Value value="1"/>

            <Value value="2"/>

        </DataField>

        <DataField name="x3" optype="continuous" dataType="float"/>

        <DataField name="x4" optype="continuous" dataType="float"/>

    </DataDictionary>

    <TransformationDictionary>

        <DerivedField name="double(x3)" optype="continuous" dataType="double">

            <FieldRef field="x3"/>

        </DerivedField>

        <DerivedField name="double(x4)" optype="continuous" dataType="double">

            <FieldRef field="x4"/>

        </DerivedField>

    </TransformationDictionary>

    <TreeModel functionName="classification" missingValueStrategy="nullPrediction" splitCharacteristic="multiSplit">

        <MiningSchema>

            <MiningField name="y" usageType="target"/>

            <MiningField name="x3"/>

            <MiningField name="x4"/>

        </MiningSchema>

        <Output>

            <OutputField name="probability(0)" optype="continuous" dataType="double" feature="probability" value="0"/>

            <OutputField name="probability(1)" optype="continuous" dataType="double" feature="probability" value="1"/>

            <OutputField name="probability(2)" optype="continuous" dataType="double" feature="probability" value="2"/>

        </Output>

        <Node>

            <True/>

            <Node>

                <SimplePredicate field="double(x3)" operator="lessOrEqual" value="3.5"/>

                <Node score="1" recordCount="1.0">

                    <SimplePredicate field="double(x3)" operator="lessOrEqual" value="2.0"/>

                    <ScoreDistribution value="0" recordCount="0.0"/>

                    <ScoreDistribution value="1" recordCount="1.0"/>

                    <ScoreDistribution value="2" recordCount="0.0"/>

                </Node>

                <Node score="0" recordCount="2.0">

                    <True/>

                    <ScoreDistribution value="0" recordCount="2.0"/>

                    <ScoreDistribution value="1" recordCount="0.0"/>

                    <ScoreDistribution value="2" recordCount="0.0"/>

                </Node>

            </Node>

            <Node score="2" recordCount="1.0">

                <SimplePredicate field="double(x4)" operator="lessOrEqual" value="8.0"/>

                <ScoreDistribution value="0" recordCount="0.0"/>

                <ScoreDistribution value="1" recordCount="0.0"/>

                <ScoreDistribution value="2" recordCount="1.0"/>

            </Node>

            <Node score="1" recordCount="1.0">

                <True/>

                <ScoreDistribution value="0" recordCount="0.0"/>

                <ScoreDistribution value="1" recordCount="1.0"/>

                <ScoreDistribution value="2" recordCount="0.0"/>

            </Node>

        </Node>

    </TreeModel>

</PMML>

　　　　可以看到里面就是决策树模型的树结构节点的各个参数，以及输入值。我们的输入被定义为x1-x4,输出定义为y。

　　　　有了PMML模型文件，我们就可以写JAVA代码来读取加载这个模型并做预测了。

　　　　我们创建一个Maven或者gradle工程，加入JPMML的依赖，这里给出maven在pom.xml的依赖，gradle的结构是类似的。

    <dependency>

        <groupId>org.jpmml</groupId>

        <artifactId>pmml-evaluator</artifactId>

        <version>1.4.1</version>

    </dependency>

    <dependency>

        <groupId>org.jpmml</groupId>

        <artifactId>pmml-evaluator-extension</artifactId>

        <version>1.4.1</version>

    </dependency>

　　　　接着就是读取模型文件并预测的代码了，具体代码如下：

import org.dmg.pmml.FieldName;

import org.dmg.pmml.PMML;

import org.jpmml.evaluator.*;

import org.xml.sax.SAXException;

import javax.xml.bind.JAXBException;

import java.io.FileInputStream;

import java.io.IOException;

import java.io.InputStream;

import java.util.HashMap;

import java.util.LinkedHashMap;

import java.util.List;

import java.util.Map;

/**

 * Created by 刘建平Pinard on 2018/6/24.

 */

public class PMMLDemo {

    private Evaluator loadPmml(){

        PMML pmml = new PMML();

        InputStream inputStream = null;

        try {

            inputStream = new FileInputStream("D:/demo.pmml");

        } catch (IOException e) {

            e.printStackTrace();

        }

        if(inputStream == null){

            return null;

        }

        InputStream is = inputStream;

        try {

            pmml = org.jpmml.model.PMMLUtil.unmarshal(is);

        } catch (SAXException e1) {

            e1.printStackTrace();

        } catch (JAXBException e1) {

            e1.printStackTrace();

        }finally {

            //关闭输入流

            try {

                is.close();

            } catch (IOException e) {

                e.printStackTrace();

            }

        }

        ModelEvaluatorFactory modelEvaluatorFactory = ModelEvaluatorFactory.newInstance();

        Evaluator evaluator = modelEvaluatorFactory.newModelEvaluator(pmml);

        pmml = null;

        return evaluator;

    }

    private int predict(Evaluator evaluator,int a, int b, int c, int d) {

        Map<String, Integer> data = new HashMap<String, Integer>();

        data.put("x1", a);

        data.put("x2", b);

        data.put("x3", c);

        data.put("x4", d);

        List<InputField> inputFields = evaluator.getInputFields();

        //过模型的原始特征，从画像中获取数据，作为模型输入

        Map<FieldName, FieldValue> arguments = new LinkedHashMap<FieldName, FieldValue>();

        for (InputField inputField : inputFields) {

            FieldName inputFieldName = inputField.getName();

            Object rawValue = data.get(inputFieldName.getValue());

            FieldValue inputFieldValue = inputField.prepare(rawValue);

            arguments.put(inputFieldName, inputFieldValue);

        }

        Map<FieldName, ?> results = evaluator.evaluate(arguments);

        List<TargetField> targetFields = evaluator.getTargetFields();

        TargetField targetField = targetFields.get(0);

        FieldName targetFieldName = targetField.getName();

        Object targetFieldValue = results.get(targetFieldName);

        System.out.println("target: " + targetFieldName.getValue() + " value: " + targetFieldValue);

        int primitiveValue = -1;

        if (targetFieldValue instanceof Computable) {

            Computable computable = (Computable) targetFieldValue;

            primitiveValue = (Integer)computable.getResult();

        }

        System.out.println(a + " " + b + " " + c + " " + d + ":" + primitiveValue);

        return primitiveValue;

    }

    public static void main(String args[]){

        PMMLDemo demo = new PMMLDemo();

        Evaluator model = demo.loadPmml();

        demo.predict(model,1,8,99,1);

        demo.predict(model,111,89,9,11);

    }

}

　　　　代码里有两个函数，第一个loadPmml是加载模型的，第二个predict是读取预测样本并返回预测值的。我的代码运行结果如下：

target: y value: {result=2, probability_entries=[0=0.0, 1=0.0, 2=1.0], entityId=5, confidence_entries=[]}
1 8 99 1:2
target: y value: {result=1, probability_entries=[0=0.0, 1=1.0, 2=0.0], entityId=6, confidence_entries=[]}
111 89 9 11:1

　　　　也就是样本（1,8,99,1）被预测为类别2，而（111,89,9,11）被预测为类别1。

　　　　以上就是PMML生成和加载的一个示例，使用起来其实门槛并不高，也很简单。

4. PMML总结与思考

　　　　PMML的确是跨平台的利器，但是是不是就没有缺点呢？肯定是有的！

　　　　第一个就是PMML为了满足跨平台，牺牲了很多平台独有的优化，所以很多时候我们用算法库自己的保存模型的API得到的模型文件，要比生成的PMML模型文件小很多。同时PMML文件加载速度也比算法库自己独有格式的模型文件加载慢很多。

　　　　第二个就是PMML加载得到的模型和算法库自己独有的模型相比，预测会有一点点的偏差，当然这个偏差并不大。比如某一个样本，用sklearn的决策树模型预测为类别1，但是如果我们把这个决策树落盘为一个PMML文件，并用JAVA加载后，继续预测刚才这个样本，有较小的概率出现预测的结果不为类别1.

　　　　第三个就是对于超大模型，比如大规模的集成学习模型，比如xgboost, 随机森林，或者tensorflow，生成的PMML文件很容易得到几个G，甚至上T，这时使用PMML文件加载预测速度会非常慢，此时推荐为模型建立一个专有的环境，就没有必要去考虑跨平台了。

　　　　此外，对于TensorFlow，不推荐使用PMML的方式来跨平台。可能的方法一是TensorFlow serving，自己搭建预测服务，但是会稍有些复杂。另一个方法就是将模型保存为TensorFlow的模型文件，并用TensorFlow独有的JAVA库加载来做预测。

最新文章

  1. 阿里云部署多个tomcat
  2. 【python】将一个正整数分解质因数
  3. MySQL-procedure(loop,repeat)
  4. JS根据服务器时间倒计时
  5. 【转】bash调试经验
  6. iOS 9 之后更改状态栏字体颜色
  7. 推荐：PHPCMS v9 安全防范教程！
  8. jsp文件中的alert等等
  9. HTTP服务负载均衡总结
  10. python3 urllib.request.urlopen() 地址打开错误
  11. Android源码及SDK国内镜像下载
  12. 各种文件的ContentType
  13. ios用xib实现三等分以及多等分思路
  14. PAT (Advanced Level) 1102. Invert a Binary Tree (25)
  15. Windows下64位Apache+PHP+MySQL配置
  16. shell随笔
  17. C#一步一步学网络辅助开发(1)--常用抓包工具的使用
  18. 如何更好的使用JAVA线程池
  19. 【JavaScript】JAVA-js中比较日期大小
  20. adb命令记录

热门文章

  1. Java学习笔记【十二、网络编程】
  2. fastadmin html数字验证
  3. 离线下载pytorch安装包
  4. Summer training #9
  5. Linux之yum软件管理
  6. CSS3 animation属性 实现转动效果
  7. keras默认配置
  8. 51 Nod 1636 教育改革(dp)
  9. 12.JSTL标签
  10. [sdoi2015]排序（搜索+剪枝优化）