记一次PMML文件的处理过程

背景

业务方说需要我做个web界面，在上面输入一条网站访问线索的信息，后台通过机器学习计算这条线索的评级，例如这条线索对应的用户购买意愿有多强之类的。而机器学习对应的模型，也是业务方自己用KNIME这个软件训练的，然后将训练完的模型导出为一个PMML格式的文件，我所需要做的主要工作就是导入这个文件，转换成对应的机器学习模型。

注：作者去简单尝试了KNIME这个软件，感觉是个数据分析的利器。[链接]

---

PMML介绍

PMML(Predictive Model Markup Language)全称是预测模型标记语言，既然叫做标记语言，那其实与html/XML等也是非常类似的，只是它存储的是机器学习模型的信息，比如特征名称、类型、个数，模型种类等等。它常用于部署，例如模型在dev环节训练好了，将其导出为一个PMML文件，然后在prod环境中导入即可，也很方便在不同的环境间传递模型，例如使用python训练出来的模型，用R来调用和预测。

---

Python导入PMML的问题

现在大部分语言都支持将训练好的模型导出为PMML文件，python同样也可以使用sklearn2pmml这个库来导出模型，但我发现没有一个很好的工具能反向操作，将已有的PMML文件还原成sklearn中的机器学习模型。于是在GitHub尝试了一些方案，如下：

1. 找到一个项目叫做jpmml-evaluator，是用java写的，它支持将PMML导入到java中，进入作者的仓库中，又发现一个叫做jpmml-evaluator-python，根据ReadMe介绍，这是一个将jpmml-evaluator做了简单封装的python版本，使python可以导入PMML文件，但用户较少，start也只有1，试用时发现了问题，也向作者反馈了，并且作者还因此更新了代码，但仍然没有解决。issue链接: https://github.com/jpmml/jpmm...
2. 又找了一个叫做sklearn-pmml-model，目前也是用户少，功能不完整（支持的模型有限）的情况，但在安装过程中就出错，联系了作者，未获得反馈。
3. openscoring项目，同样也是一个用java写的项目，其作用就是支持开启一个服务端用于调用机器学习模型，客户端向服务端传递机器学习的PMML文件和预测数据，服务端可以使用jar包一键部署，而客户端则可以使用java/python/R等不同的SDK，甚至直接使用curl，最终该方案用上了。在和作者沟通中，作者还指出了KNIME导出的PMML存在的BUG，并建议向KNIME反馈这个BUG。