missing参数导致：xgboost转为pmml格式后与刚训练好的模型预测结果不一致 建模填坑系列 001

001号坑 missing参数导致：xgb转为pmml格式文件后预测结果与刚训练好的模型预测结果不一致

本人在做风控建模的过程中踩了很多坑，希望在此系列中复现问题，并把解决方案整理于此方便各位同仁解决问题。着急解决问题的朋友可以直接看文章末尾解决方案。

问题描述

一般而言我们在java环境中部署机器学习模型会比较倾向于使用pmml文件，在一次上线部署中发现：使用相同的入参，在Java环境下pmml返回结果与在python环境下刚训练好的模型返回结果不一致。经过一番排查，发现一个大坑：xgb模型的missing参数很容易导致这一问题。

问题原因

xgb为了方便使用者处理缺失值而设置了missing参数，它的作用如下：默认missing=none，这时在模型训练时候把nan认为缺失值；但如果你设置了缺失值例如 missing=-99，那模型训练时会把-99当成缺失值。然后在模型训练的时候缺失值会被当成一个特殊的存在，在每一节点进行判断时，缺失值不会参与分枝节点的大小判断而是直接被一个if missing else 逻辑处理。
我们举一棵树的例子说明一下：

我们先假设传入的featureA等于-99