jpmml/jpmml-sklearn

해결하는 문제

JPMML-SkLearn는 예측 모델 마크업 언어(PMML) 표준을 요구하는 운영 환경에 Scikit-Learn 머신러닝 파이프라인을 배포하는 문제를 해결합니다. 사용자는 훈련된 Python 모델을 Python 런타임이 필요 없는 다른 JPMML 라이브러리에서 실행 가능한 포터블한 XML 형식으로 내보낼 수 있습니다.

작동 방식

이 도구는 두 단계 프로세스로 작동합니다:

1. Python 직렬화: 사용자는 Scikit-Learn 파이프라인을 적합시키고 pickle (또는 joblib) 형식으로 파일에 직렬화합니다.
2. Java 변환: Java 기반의 명령줄 애플리케이션 또는 라이브러리가 pickle 파일을 읽고 Scikit-Learn 파이프라인 구조, 변환기, 추정기들을 PMML 파일로 변환합니다.

대상 사용자

Scikit-Learn를 사용하는 데이터 과학자로서, 모델을 운영 시스템과 공유해야 하는 경우, 특히 Java 기반 또는 PMML 표준을 엄격히 준수하는 시스템에 적합합니다.

주요 특징

• 광범위한 지원: 수많은 Python 패키지, 변환기, 추정기를 지원합니다.
• 특징 분석: 특징 이름, 데이터 유형, 기술 통계의 세부적인 인코딩을 수행합니다.
• 파이프라인 확장: 가지치기, 모델 검증, 예측 후 처리 기능을 포함합니다.
• 확장성: 사용자 정의 컨버터를 생성하기 위한 Java API를 제공하며, 리소스 파일을 통한 사용자 정의 컨버터 자동 탐지도 지원합니다.
• 상호 운용성: H2O, LightGBM, StatsModels, XGBoost용 다른 JPMML 변환 라이브러리와 직접 인터페이스를 제공합니다.