pmml模型文件解析与自定义

0. 背景

实际业务场景中， 模型训练完成后，但需要对模型进行一些微调，或者加一些人工的规则到模型中， 此时，需要了解pmml文件结构，以及 如何基于pmml文件人工计算预测得分，同时如何对pmml文件进行修改。

1. 了解pmml文件结构

http://dmg.org/pmml/v4-1/MultipleModels.html    ---pmml4.1结构文件参考文档
需关注的几个元素：
（1）MiningBuildTask： 模型文件描述
（2）DataDictionary：数据字典， 特征类型说明，以及target说明
（3）multipleModelMethod： 多个树时，如何计算预测得分，一般有如下几种方式

<xs:simpleType name="MULTIPLE-MODEL-METHOD">
  <xs:restriction base="xs:string">
    <xs:enumeration value="majorityVote"/>
    <xs:enumeration value="weightedMajorityVote"/>
    <xs:enumeration value="average"/>
    <xs:enumeration value="weightedAverage"/>
    <xs:enumeration value="median"/>
    <xs:enumeration value="max"/>
    <xs:enumeration value="sum"/> # 树叶子节点求和
    <xs:enumeration value="selectFirst"/>
    <xs:enumeration value="selectAll"/>
    <xs:enumeration value="modelChain"/>
  </xs:restriction>
</xs:simpleType>

（4）TreeModel： 树节点。 有多少个TreeModel表示有多少颗树。

2. pmml文件如何计算score

（1 ）一棵树中，只能输出一个得分。 NODE存在并列，取满足条件后的叶子节点得分最大的值作为最终得分。
（2） pmml文件结构，默认右缩进为子节点， 节点缩进size相同则为并列节点。
（3）按叶子节点满足条件倒推，如果不满足当前条件则取上一个节点score，以此类推。如果都不满足条件，则取根节点score，
（4）举个例子：

<Segment id="1"> # treeModel1
	<True/>
	<TreeModel functionName="regression" noTrueChildStrategy="returnLastPrediction" x-mathContext="float">
		<MiningSchema>
			<MiningField name="q_len"/>
			<MiningField name="q_c_click_num"/>
		</MiningSchema>
		<Node score="-0.0011013647">    ###Node1
			<True/>
			<Node score="0.0019000656">
				<SimplePredicate field="q_c_click_num" operator="greaterOrEqual" value="0.35"/>
				<Node score="5.699482E-4">
					<SimplePredicate field="q_len" operator="greaterOrEqual" value="8.5"/>
				</Node>
			</Node>
			<Node score="-0.001793226">   ###Node2, Node1与Node1并列， 并列时取score最大值
				<SimplePredicate field="q_len" operator="greaterOrEqual" value="1.5"/>
			</Node>
		</Node>
	</TreeModel>
</Segment>
<Segment id="2"> # treeMode2
	<True/>
	<TreeModel functionName="regression" noTrueChildStrategy="returnLastPrediction" x-mathContext="float">
		<MiningSchema>
			<MiningField name="c_c_cos"/>
			<MiningField name="q_c_click_num"/>
		</MiningSchema>
		<Node score="-0.0019235479">
			<True/>
			<Node score="5.842927E-4">
				<SimplePredicate field="c_c_cos" operator="greaterOrEqual" value="0.55919766"/>
				<Node score="0.0019866328">
					<SimplePredicate field="q_c_click_num" operator="greaterOrEqual" value="0.35"/>
				</Node>
			</Node>
			<Node score="0.0011271919">
				<SimplePredicate field="q_c_click_num" operator="greaterOrEqual" value="0.35"/>
			</Node>
		</Node>
	</TreeModel>
</Segment>

样本1特征值：q_len=3, q_click_num = 0.7, c_c_cos=0.99
##=分割线===
treeModel 1:
Node1:
when q_click_num>=0.35 and q_len >=8.5 then 5.699482E-4
when q_click_num>=0.35 then 0.0019000656
else:-0.0011013647

Node2:
when q_click_num>=0.35 then -0.001793226
else : -0.001793226

根据以上：
样本1满足： q_click_num>=0.35 ， 满足Node1 ( 0.0019000656)，Node2(-0.001793226), treeModel1取score最大值 0.0019000656。
即：treemodel1_score 的score= 0.0019000656

##=分割线===
treeModel2：
Node1:
when c_c_cos>=0.55919766 and q_c_click_num>=0.35 then 0.0019866328
when c_c_cos>=0.55919766 then 5.842927E-4
else :-0.0019235479

Node2:
when q_c_click_num >= 0.35 then 0.0011271919
else :-0.0019235479

根据以上：
样本1满足： q_click_num>=0.35 and c_c_cos>=0.55919766 满足Node1 ( 0.0019866328)，Node2(0.0011271919), treeModel1取score最大值 0.001986632。
即：treemode2_score 的score= 0.001986632

##=分割线===

a = treemodel1_score + treemode2_score
pre = 1/(1+np.exp(-a)) # 因为模型选择objective=‘binary:logistic’

经过验证，该计算方法与xgb.predict()预测结果一样

4. 修改pmml模型文件并进行验证

将如下形式加入pmml文件，则可增加新的树或者修改新的树。经过验证后，重新load pmml文件，进行预测，与预期一致

"""
    <Segment id="3">
        <True/>
        <TreeModel functionName="regression" noTrueChildStrategy="returnLastPrediction" x-mathContext="float">
            <MiningSchema>
                <MiningField name="c_c_cos"/>
                <MiningField name="q_c_click_num"/>
            </MiningSchema>
            <Node score="-0.0019259413">
                <True/>
                <Node score="5.4347207E-4">
                    <SimplePredicate field="c_c_cos" operator="greaterOrEqual" value="0.5531428"/>
                    <Node score="0.001985003">
                        <SimplePredicate field="q_c_click_num" operator="greaterOrEqual" value="0.35"/>
                    </Node>
                </Node>
                <Node score="0.0011074619">
                    <SimplePredicate field="q_c_click_num" operator="greaterOrEqual" value="0.35"/>
                </Node>
            </Node>
        </TreeModel>
    </Segment>
"""