我们的公司代码是Java，但是做算法部分用的是python的sklearn库，因此考虑用sklearn2pmml出一个pmml文件，文件里保存的是模型文件的详情，再交给Java用，实现跨平台使用，下面是使用跑通的方法：

1.在网站下载文件

https://pypi.org/project/sklearn2pmml/#files

image.png
我这里下载的是最新版的。（20180921）

2.下载的是一个压缩包，任意指定一个文件夹将文件解压缩。

image.png

解压后文件内容（360解压就可以了）

3.安装sklearn2pmml

1.在cmd里，切换到之前解压缩的目录里（setup.py文件所在的位置）
2.在命令行输入
python setup.py build
python setup.py install

image.png

多了一个build文件夹

4.查看是否安装成功

image.png

如上图，引入sklearn2pmml库不提示错误了，运行一下看看

image.png

上面是训练模型的代码，这里使用了最简单的参数，仅指定了pmml文件的路径。

image.png
运行报错，缺少sklearn_pandas 库。

5.安装sklearn_pandas库

https://pypi.org/project/sklearn-pandas/

image.png
安装这个.whl文件，其实安装在哪里都可以，但是为了方便找，一般都安装在Scripts文件夹下
image.png
我使用的是anaconda，如果没有使用anaconda就安装在python的script文件夹下。
在cmd里，cd到该文件夹下，输入命令：pip install sklearn_pandas-1.7.0-py2.py3-none-any.whl
这个比较简单，出现successed证明成功安装。

6.python输入测试代码

image.png
运行报错
image.png
下载java端的jar包，jpmml-sklearn-executable
https://github.com/jpmml/jpmml-sklearn/releases
image.png

7.先保存成sklearn模型的自带格式

image.png

修改程序加两句话

image.png

生成了自带格式的模型
在将自带格式的模型文件转换成pmml文件

8.将pkl文件转换成pmml文件

在CMD中输入下面的命令

image.png

出现下面的场景证明转换成功。

image.png

9.这个pmml文件只支持java8，不支持java7，因此要先在电脑上安装java8

https://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html

image.png
上图显示出了依赖包，以及java8版本,下面是java代码

package javaTopython;

import java.io.File;
import java.io.FileInputStream;
import java.io.InputStream;
import java.util.HashMap;
import java.util.LinkedHashMap;
import java.util.List;
import java.util.Map;
 
import org.dmg.pmml.FieldName;
import org.dmg.pmml.PMML;
import org.jpmml.evaluator.Evaluator;
import org.jpmml.evaluator.FieldValue;
import org.jpmml.evaluator.InputField;
import org.jpmml.evaluator.ModelEvaluator;
import org.jpmml.evaluator.ModelEvaluatorFactory;
import org.jpmml.evaluator.TargetField;

public class PmmlFile {
    public static void main(String[] args) throws Exception {
        String  pathxml="D:\\pmml-model\\demo.pmml";
        Map<String, Double>  map=new HashMap<String, Double>();
        map.put("sepal_length", 5.1);
        map.put("sepal_width", 3.5);
        map.put("petal_length", 1.4);
        map.put("petal_width", 0.2);    
        predictLrHeart(map, pathxml);
    }
    
    public static void predictLrHeart(Map<String, Double> irismap,String  pathxml)throws Exception {
 
        PMML pmml;
        // 模型导入
        File file = new File(pathxml);
        InputStream inputStream = new FileInputStream(file);
        try (InputStream is = inputStream) {
            pmml = org.jpmml.model.PMMLUtil.unmarshal(is);
 
            ModelEvaluatorFactory modelEvaluatorFactory = ModelEvaluatorFactory
                    .newInstance();
            ModelEvaluator<?> modelEvaluator = modelEvaluatorFactory
                    .newModelEvaluator(pmml);
            Evaluator evaluator = (Evaluator) modelEvaluator;
 
            List<InputField> inputFields = evaluator.getInputFields();
            // 过模型的原始特征，从画像中获取数据，作为模型输入
            Map<FieldName, FieldValue> arguments = new LinkedHashMap<>();
            for (InputField inputField : inputFields) {
                FieldName inputFieldName = inputField.getName();
                Object rawValue = irismap
                        .get(inputFieldName.getValue());
                FieldValue inputFieldValue = inputField.prepare(rawValue);
                arguments.put(inputFieldName, inputFieldValue);
            }
 
            Map<FieldName, ?> results = evaluator.evaluate(arguments);
            List<TargetField> targetFields = evaluator.getTargetFields();
            //对于分类问题等有多个输出。
            for (TargetField targetField : targetFields) {
                FieldName targetFieldName = targetField.getName();
                Object targetFieldValue = results.get(targetFieldName);
                System.err.println("target: " + targetFieldName.getValue()
                        + " value: " + targetFieldValue);
            }
        }
    }
}

给出一组feature值

image.png

可以看出他的label值，应该是0，但是我的运行结果

image.png
不知道问题出现在哪里，回头我再检查一下是否是模型的问题。

10.首先从源头开始检查

所谓的源头就是python代码和生成的模型文件。

1，首先在网上百度了python端的代码，越简单出错的可能性越小

发现其实python端的代码都比较简单，主要有两种形式，上面已经展示了一种，就是含有feature_name的，下面我用的这种更加简单，是不含有feature_name的，但其实本质上并没有差别，是一样的，随便挑一种都可以。

from sklearn2pmml import PMMLPipeline
from sklearn.datasets import load_iris
from sklearn import tree
from sklearn.externals import joblib
from sklearn.linear_model import LogisticRegression

iris = load_iris()
clf = LogisticRegression()
pipeline = PMMLPipeline([("classifier", clf)])
pipeline.fit(iris.data, iris.target)

joblib.dump(pipeline, "pipeline.pkl", compress=9)

因为是跑通代码的demo，所以算法为默认参数，没有进行调参等处理。可以看到上面引用了tree，是因为一开始我在网上搜到的代码，别人用的是决策树。
这里提到是因为我踩了一个坑，对于零基础第一次做的人来说，可能并不容易察觉。
当我检查转换成的pmml文件的时候，发现

image.png

下图中的
DataField name，只有x1,x3,x4,并没有x2，也就是说生成的模型文件其实是不正确的。
因为python端的代码选择了最简单的代码，不可能出错，本着算法工作者的直觉，考虑换成了较为“安全”的逻辑回归。
再次生成模型文件，转换文件格式，发现模型文件正确了。

2，注意算法和参数的选择对模型正确性的影响

更正：这里出现了错误

其实出现特征缺失是因为这项特征前面的系数为0，所以模型文件做了简化处理，并不影响结果。我后来又用手写数字识别的数据做了实现，发现不论如何更换算法，x1，x40，x41这几个特征总是缺失，于是意识到了，这与算法无关，只不过是特征前面的系数为0。模型文件可以处理这样的缺失，类似于libsvm类型的数据一样，缺失值当做0处理，因此在java端赋值的时候可以正常赋值，并不影响正确结果

赋值
结果

以上是我在理解上的错误，更正一下，至于上次出错的原因，猜测是因为决策树算法有一些不可或缺的参数，我没有赋值导致的结果总是null，跟算法的选择无关。

特此更正

11.java端的代码

网上java端的代码也有两种版本，经过尝试，上面给出的版本是可以跑通的，另一种在我这里不能用，不知道什么原因，因为在python代码中没有调用feature_name，所以在仅需在上面的java代码中将主函数的map.put（）传参数的部分的key值做一下修改就可以了。

image.png

运行结果

target: y value: ProbabilityDistribution{result=2, probability_entries=[0=1.6171914035182245E-4, 1=0.427941843129312, 2=0.5718964377303362]}

image.png

运行结果中，target：y因为没有给target也就是label命名，因此默认y。后面value给出的是概率分布，result给出的是可能性最大的分类。后面是每一个类别的概率。

因为水平不行，所以就这么一个简单的东西折腾了好久。不知道这么做的人是不是比较少，网上的资料搜来搜去就那么几个，而且都是python部分和Java部分分开的。我这里算是一个小总结，省的自己将来再踩坑。