PMML(Predictive Model Markup Language
全称是预测模型标记语言,好处在于PMML可以让模型部署环境脱离开发环境,实现跨平台部署,是PMML区别于其他模型部署方法最大的优点。平时主要使用Python建模,导出PMML后便于研发在Java生产环境中部署。为了便于后续线上线下模型校验,需要进反向操作,将已有的PMML
文件还原成sklearn
中的机器学习模型。
尝试以下方式:
- jpmml-evaluator-python, 但一直无法尝试成功,"py4j.protocol.Py4JNetworkError: Answer from Java side is empty"
- openscoring, 通过开启一个Java服务调用机器学习模型,客户端向服务端传递pmml模型文件和数据进行预测。
目前通过openscoring可以解决反向操作问题,支持Python调用pmml模型文件,具体安装方式如
- 下载安装maven,目前最新的是apache-maven-3.6.3-bin.tar.gz,解压。
- Add the bin directory of the created directory apache-maven-3.6.3 to the PATH environment variable
- 根目录下 vi .zshrc 末尾添加 export PATH=/Users/apache-maven-3.6.2/bin:$PATH source .zshrc
- mvn -v 检查是否安装成功
2.下载openscoring到本地,同时下载下面文件到openscoring,并在当前路径