jpmml/jpmml-sklearn

何を解決するか

JPMML-SkLearn は、予測モデルマークアップ言語（PMML）標準を必要とする本番環境に Scikit-Learn マシンラーニングパイプラインをデプロイする問題を解決します。ユーザーはトレーニング済みの Python モデルを、Python ランタイムが不要な他の JPMML ライブラリで実行可能なポータブルな XML 形式にエクスポートできます。

動作方法

このツールは2段階のプロセスで動作します：

1. Python シリアル化：ユーザーは Scikit-Learn パイプラインを適合させ、pickle（または joblib）形式でファイルにシリアライズします。
2. Java 変換：Java ベースのコマンドラインアプリケーションまたはライブラリが pickle ファイルを読み込み、Scikit-Learn パイプライン構造、変換器、推定器を PMML ファイルに変換します。

対象ユーザー

Scikit-Learn を使用するデータサイエンティストで、モデルを本番システムと共有する必要がある人、特に Java で構築されたシステムや PMML 標準に厳密に準拠するシステムに適しています。

特徴

• 広範なサポート：多数の Python パッケージ、変換器、推定器をサポートします。
• 特徴分析：特徴名、データ型、記述統計の詳細なエンコーディングを実行します。
• パイプライン拡張：プルーニング、モデル検証、予測後の処理などの機能を備えています。
• 拡張性：カスタムコンバーターを作成するための Java API を提供し、リソースファイルによるカスタムコンバーターの自動検出もサポートしています。
• 相互運用性：H2O、LightGBM、StatsModels、XGBoost 用の他の JPMML 変換ライブラリと直接インターフェースを提供しています。