麻烦请教下机器学习PAI使用PAI-designer训练好的模型导出成XML格式的PMML文件，如何才能在本地进行加载到python进行模型预测？
以下为热心网友提供的参考意见
应该要仔细看看导出的PMML格式和开源的格式是否一模一样才行。比如Sklearn、Xgboost等开源算法框架训练的算法模型。、 ，此回答整理自钉群“机器学习PAI交流群(答疑@值班)”
以下为热心网友提供的参考意见
要将机器学习PAI使用PAI-designer训练好的模型导出成XML格式的PMML文件，您可以按照以下步骤进行操作：
- 在机器学习PAI控制台中，找到您已经训练好的模型，并进入模型详情页面。
- 在模型详情页面中，选择“模型导出”选项卡，然后点击“导出模型”按钮。
- 在弹出的对话框中，选择“PMML”作为导出格式，并填写相关信息（如导出路径、文件名等）。
- 点击“确定”按钮，等待模型导出完成。
- 将导出的PMML文件复制到本地计算机上。
- 在Python中使用
sklearn库中的pmml模块来加载PMML文件并进行预测。具体代码如下：
from sklearn2pmml import sklearn2pmml, make_pmml_pipeline
from sklearn.datasets import load_iris
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
import pandas as pd
# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 创建随机森林分类器
clf = RandomForestClassifier(n_estimators=100, random_state=42)
# 训练模型
clf.fit(X_train, y_train)
# 将模型转换为PMML格式并保存到本地文件
sklearn2pmml(clf, "random_forest.pmml", with_repr=True)
# 加载PMML文件并进行预测
pipeline = make_pmml_pipeline("random_forest.pmml")
predictions = pipeline.predict(X_test)
accuracy = accuracy_score(y_test, predictions)
print("Accuracy: {:.2f}%".format(accuracy * 100))
以上代码中，我们首先使用sklearn2pmml函数将训练好的随机森林分类器转换为PMML格式并保存到本地文件中。然后，我们使用make_pmml_pipeline函数加载PMML文件，并将其应用于测试集数据进行预测。最后，我们计算并输出预测结果的准确性得分。
转转请注明出处：http://www.yunxiaoer.com/176656.html
