JPMML打分流程

准备数据

输入数据即预测变量数据集，不包括目标标量。预测变量由挖掘模式 (Mining Schema) 定义，每一个预测变量的属性在数据字典中定义。

数据预处理

该过程的主要目的是检测输入数据的有效行。

• 遗漏值 (missing value) 检测。如果输入值为空，则为 missing value。否则对于分类变量，如果数据字典中定义了有效分类值和遗漏值集合， 如果输入数据等于其中某一遗漏值，或者不等于任何遗漏值，但是也不属于某一种有效值，我们都认为该值是一个遗漏值。 对于连续变量来说，数据字典中可以定义一个或多个有效值区间 (Interval)，如果输入值不在该区间，该值就是 missing value， 如果没有任何有效区间定义，任何有效的数值都是有效。如清单 1 所示，变量 Sex 的取值只有 {F, M}，如果不是这两个取值， 就认为是遗漏值；变量 Age 有效区间为 [0, 120]，如果输入值为 150 则被认为是 missing value。
• 异常值 (outliers) 检测。该检测只适用于连续变量，如果输入数据不是 missing value，PMML 定义了以下三种不同的处理方式：
  
  • 不做任何处理 (asIs)。
  • 作为 missing value(asMissingValues)。
  • 被边界值代替 (asExtremeValues)。如果小于最小值，则被当前的最小值代替，否则如果大于最大值， 被最大值代替。如清单 2 所示，如果变量 Na 输入值为 0.01，会被最小值 0.02 代替，如果输入值是 0.09，则会被最大值 0.08 代替。