jpmml/sklearn2pmml

해결하는 문제

Scikit-Learn 추정기에는 다양한 환경 간에 모델을 이동하기 위해 필요한 메타데이터가 부족한 경우가 많아 포터블성이 떨어지는 문제가 있습니다. 이 패키지는 Scikit-Learn 파이프라인을 예측 모델 마크업 언어(PMML) 형식으로 내보내는 기능을 제공하여, 원래의 Python 환경 없이도 다양한 프로덕션 환경에서 모델을 사용할 수 있도록 합니다.

작동 방식

이 패키지는 JPMML-SkLearn 라이브러리의 Python 래퍼로 작동합니다. 적합된 Scikit-Learn 추정기 객체나 피클 파일을 직접 PMML 파일로 변환할 수 있습니다. 포터블성을 높이기 위해 PMMLPipeline이라는 메타 추정기(메타-에스티메이터)를 제공하며, 표준 Scikit-Learn 파이프라인을 확장하여 특성 및 레이블 메타데이터를 수집하고, 예측 후처리를 수행하며, 검증 데이터를 포함합니다.

대상 사용자

PMML을 지원하는 프로덕션 시스템에 Scikit-Learn 모델을 배포해야 하는 데이터 과학자 및 ML 엔지니어, 또는 모델의 포터블성과 자가 문서화를 보장하고자 하는 사용자에게 적합합니다.

주요 기능

• 광범위한 호환성: 다양한 Scikit-Learn 변환기, 선택기, 예측기들을 지원합니다.
• 메타데이터 강화: PMMLPipeline을 통해 입력 및 타겟 필드의 컬럼 이름을 자동으로 캡처합니다.
• 사용자 정의 가능: PMML XML 조각에 대한 추가 편집과 최종 추정기 단계의 구성이 가능합니다.
• 고급 변환기: ExpressionTransformer, LookupTransformer, BusinessDecisionTransformer와 같은 PMML 중심의 전용 도구를 포함합니다.
• 안전한 로딩: 피클 파일을 읽기 위해 커스텀 자바 컴포넌트를 사용하여 신뢰할 수 없는 파일을 안전하게 사용할 수 있습니다.