jpmml/jpmml-sklearn

解決的問題

JPMML-SkLearn 解決了將 Scikit-Learn 機器學習管道部署至需要預測模型標記語言（PMML）標準的生產環境中的問題。它允許使用者將訓練好的 Python 模型匯出為可攜式、基於 XML 的格式，該格式可由其他 JPMML 庫執行，而無需在生產環境中安裝 Python 執行時。

運作方式

此工具透過兩階段流程運作：

1. Python 序列化：使用者擬合 Scikit-Learn 管道，並使用 pickle（或 joblib）格式將其序列化至檔案中。
2. Java 轉換：基於 Java 的命令列應用程式或程式庫讀取 pickle 檔案，並將 Scikit-Learn 管道結構、轉換器與估計器轉換為 PMML 檔案。

適用對象

專為使用 Scikit-Learn 的資料科學家設計，他們需要與生產系統共享模型，特別是基於 Java 或嚴格遵循 PMML 標準以實現模型互操作性的系統。

主要特色

• 廣泛支援：支援大量 Python 套件、轉換器與估計器。
• 特徵分析：執行特徵名稱、資料類型與描述性統計的詳細編碼。
• 管道擴充：包含剪枝、模型驗證與預測後處理等功能。
• 可擴展性：提供 Java API 以建立自訂轉換器，並支援透過資源檔自動發現自訂轉換器。
• 互操作性：直接與 H2O、LightGBM、StatsModels 和 XGBoost 的其他 JPMML 轉換庫介接。