机器学习模型使用时需要导出后部署在线使用，有些项目需要pmml格式，两种方法，第二种成本更低。

一、什么是PMML

PMML(Predictive Model Markup Language)：预测模型标记语言，它用XML格式来描述生成的机器学习模型，是目前表示机器学习模型的实际标准。

若要将在Python中训练好的模型部署到生产上时，可以使用目标环境解析PMML文件的库来加载模型，并做预测。

二、如何导出为PMML

1. sklearn2pmml

这个方法需要安装java

import xgboost as xgb
from sklearn2pmml import sklearn2pmml, make_pmml_pipeline
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split# 加载数据集，这里以Iris为例
data = load_iris()
X = data.data
y = data.target# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)# 使用XGBoost的Scikit-Learn接口训练模型
model = xgb.XGBClassifier(objective='multi:softmax', num_class=3)
model.fit(X_train, y_train)# 创建PMML兼容的pipeline
pipeline = make_pmml_pipeline(model)# 导出模型到PMML文件
sklearn2pmml(pipeline, "XGBoost.pmml", with_repr = True)

报错：RuntimeError: Java is not installed, or the Java executable is not on system path

解决办法

遇到这个错误是因为sklearn2pmml库在转换模型到PMML格式时依赖于Java，因为它内部使用了JPMML（Java PMML）库来执行转换过程。如果你没有安装Java或者Java的路径没有被正确配置到系统环境变量中，就会导致这个错误。

解决办法：
1.安装Java: 首先，确保你的系统中安装了Java。你可以从Oracle官网下载适合你操作系统的Java Development Kit (JDK)。对于大多数开发用途，选择最新的长期支持(LTS)版本即可。
2.配置Java环境变量: 安装Java后，需要确保Java的可执行文件（通常是java和javac）所在的目录被添加到了系统的PATH环境变量中。这样，你就可以在任何命令行窗口中直接运行Java命令。

• 对于Windows:

  • 右键点击“此电脑”或“我的电脑”，选择“属性”。 点击“高级系统设置”。
  • 在“系统属性”对话框中点击“环境变量”按钮。
  • 在“系统变量”区域找到并选择“Path”，然后点击“编辑”。
  • 添加JDK的bin目录路径（例如，C:\Program Files\Java\jdk-版本号\bin）
  • 到变量值中，使用分号;与其他路径分隔。

• 对于Linux或macOS:

  • 打开终端。
  • 编辑.bashrc或.bash_profile（对于macOS Catalina及以上版本，可能需要编辑.zshrc），使用文本编辑器如nano或vim。
  • 在文件末尾添加以下行（替换/path/to/jdk为实际的JDK安装路径）:

          export JAVA_HOME=/path/to/jdkexport PATH=$JAVA_HOME/bin:$PATH
  

  • 保存文件并关闭编辑器，然后运行source ~/.bashrc或source ~/.bash_profile（或.zshrc）使更改生效。
  • 验证Java安装: 重新打开命令行窗口，运行命令java -version，如果看到Java版本信息输出，则说明Java已正确安装并且环境变量配置成功。

完成以上步骤后，你应该能够使用sklearn2pmml成功地将XGBoost模型转换为、PMML格式了。如果问题仍然存在，可能需要检查是否有其他依赖问题或考虑使用nyoka作为替代方案。

2. nyoka

这个方法不需要安装java

import xgboost as xgb
from sklearn2pmml import make_pmml_pipeline
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from nyoka import xgboost_to_pmml# 加载数据集，这里以Iris为例
data = load_iris()
X = data.data
y = data.target# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)# 使用XGBoost的Scikit-Learn接口训练模型
model = xgb.XGBClassifier(objective='multi:softmax', num_class=3)
model.fit(X_train, y_train)# 创建PMML兼容的pipeline
pipeline = make_pmml_pipeline(model)# 假设model是之前训练好的xgboost.Booster对象
xgboost_to_pmml(pipeline=pipeline, col_names=data.feature_names, target_name='species', pmml_f_name="XGBoost.pmml")