使用pmml实现跨平台部署机器学习模型
一、概述
对于由Python训练的机器学习模型，通常有pickle和pmml两种部署方式，pickle方式用于在python环境中的部署，pmml方式用于跨平台（如Java环境）的部署，本文叙述的是pmml的跨平台部署方式。
PMML(Predictive Model Markup Language，预测模型标记语言)是一种基于XML描述来存储机器学习模型的标准语言。如，对在Python环境中由sklearn训练得到的模型，通过sklearn2pmml模块可将它完整地保存为一个pmml格式的文件，再在其他平台（如java）中加载该文件进行使用，从而实现模型的跨平台部署。
二、实现步骤
1.训练环境中安装生成pmml文件的工具。
如在Python环境中安装sklearn2pmml模块（pip install sklearn2pmml）。
2.训练模型。
3.将模型保存为pmml文件。
4.部署环境中导入依赖的工具包。
如在Java环境中导入pmml-evaluator、pmml-evaluator-extension（特殊情况下另加）、jaxb-core、jaxb-api、jaxb-impl等jar包。
5.开发应用，加载、使用模型。
注：对sklearn2pmml生成的pmml模型文件，在java中加载使用时，需将文件中的命名空间属性xmlns=".../PMML-4_4"改为xmlns=".../PMML-4_3"，以适应低版本的jar包对它的解析。
三、示例
在python中使用sklearn训练一个线性回归模型，并在java环境中部署使用。
工具：PyCharm-2017、Python-39、sklearn2pmml-0.76.1；IntelliJ IDEA-2018、jdk-14.0.2。
1.训练数据集training_data.csv
| x | y |
|---|---|
| 150 | 6450 |
| 200 | 7450 |
| 250 | 8450 |
| 300 | 9450 |
| 350 | 11450 |
| 400 | 15450 |
| 600 | 18450 |
2.训练、保存模型
import sklearn2pmml as pmml
from sklearn2pmml import PMMLPipeline
from sklearn import linear_model as lm
import os
import pandas as pd
def save_model(data, model_path):
pipeline = PMMLPipeline([("regression", lm.LinearRegression())]) #定义模型，放入pipeline管道
pipeline.fit(data[["x"]], data["y"]) #训练模型，由数据中第一行的名称确定自变量和因变量
pmml.sklearn2pmml(pipeline, model_path, with_repr=True) #保存模型
if __name__ == "__main__":
data = pd.read_csv("training_data.csv")
model_path = model_path = os.path.dirname(os.path.abspath(__file__)) + "/my_example_model.pmml"
save_model(data, model_path)
print("模型保存完成。")
3.将pmml文件的xmlns属性修改为PMML-4_3
4.java程序中加载、使用模型
(1)创建maven项目，将pmml模型文件拷贝至项目根目录下。
(2)加入依赖包
<dependencies>
<dependency>
<groupId>org.jpmml</groupId>
<artifactId>pmml-evaluator</artifactId>
<version>1.4.15</version>
</dependency>
<dependency>
<groupId>com.sun.xml.bind</groupId>
<artifactId>jaxb-core</artifactId>
<version>2.2.11</version>
</dependency>
<dependency>
<groupId>javax.xml</groupId>
<artifactId>jaxb-api</artifactId>
<version>2.1</version>
</dependency>
<dependency>
<groupId>com.sun.xml.bind</groupId>
<artifactId>jaxb-impl</artifactId>
<version>2.2.11</version>
</dependency>
</dependencies>
(3)java程序加载模型完成预测
public class MLPmmlDeploy {
public static void main(String[] args) {
String model_path = "./my_example_model.pmml"; //模型路径
int x = 700; //测试的自变量值
Evaluator model = loadModel(model_path); //加载模型
Object r = predict(model, x); //预测
Double result = Double.parseDouble(r.toString());
System.out.println("预测的结果为:" + result);
}
private static Evaluator loadModel(String model_path){
PMML pmml = new PMML(); //定义PMML对象
InputStream inputStream; //定义输入流
try {
inputStream = new FileInputStream(model_path); //输入流接到磁盘上的模型文件
pmml = PMMLUtil.unmarshal(inputStream); //将输入流解析为PMML对象
}catch (Exception e){
e.printStackTrace();
}
ModelEvaluatorFactory modelEvaluatorFactory = ModelEvaluatorFactory.newInstance(); //实例化一个模型构造工厂
Evaluator evaluator = modelEvaluatorFactory.newModelEvaluator(pmml); //将PMML对象构造为Evaluator模型对象
return evaluator;
}
private static Object predict(Evaluator evaluator, int x){
Map<String, Integer> data = new HashMap<String, Integer>(); //定义测试数据Map，存入各元自变量
data.put("x", x); //键"x"为自变量的名称，应与训练数据中的自变量名称一致
List<InputField> inputFieldList = evaluator.getInputFields(); //得到模型各元自变量的属性列表
Map<FieldName, FieldValue> arguments = new LinkedHashMap<FieldName, FieldValue>();
for (InputField inputField : inputFieldList) { //遍历各元自变量的属性列表
FieldName inputFieldName = inputField.getName();
Object rawValue = data.get(inputFieldName.getValue()); //取出该元变量的值
FieldValue inputFieldValue = inputField.prepare(rawValue); //将值加入该元自变量属性中
arguments.put(inputFieldName, inputFieldValue); //变量名和变量值的对加入LinkedHashMap
}
Map<FieldName, ?> results = evaluator.evaluate(arguments); //进行预测
List<TargetField> targetFieldList = evaluator.getTargetFields(); //得到模型各元因变量的属性列表
FieldName targetFieldName = targetFieldList.get(0).getName(); //第一元因变量名称
Object targetFieldValue = results.get(targetFieldName); //由因变量名称得到值
return targetFieldValue;
}
}
示例下载：
https://download.csdn.net/download/Albert201605/45645889
End.
参考
