记一次PMML文件的处理过程

背景

业务方说需要我做个 web 界面，在上面输入一条网站访问线索的信息，后台通过机器学习计算这条线索的评级，例如这条线索对应的用户购买意愿有多强之类的。而机器学习对应的模型，也是业务方自己用 KNIME 这个软件训练的，然后将训练完的模型导出为一个 PMML 格式的文件，我所需要做的主要工作就是导入这个文件，转换成对应的机器学习模型。

注：作者去简单尝试了 KNIME 这个软件，感觉是个数据分析的利器。 [链接]

PMML 介绍

PMML(Predictive Model Markup Language) 全称是 预测模型标记语言 ，既然叫做标记语言，那其实与 html/XML 等也是非常类似的，只是它存储的是机器学习模型的信息，比如特征名称、类型、个数，模型种类等等。它常用于部署，例如模型在 dev 环节训练好了，将其导出为一个 PMML 文件，然后在 prod 环境中导入即可，也很方便在不同的环境间传递模型，例如使用 python 训练出来的模型，用 R 来调用和预测。

Python 导入 PMML 的问题

现在大部分语言都支持将训练好的模型 导出 为 PMML 文件， python 同样也可以使用 sklearn2pmml 这个库来导出模型， 但我发现没有一个很好的 工具 能反向操作，将已有的 PMML 文件还原成 sklearn 中的机器学习模型。 于是在 GitHub 尝试了一些方案，如下：

1. 找到一个项目叫做 jpmml-evaluator ，是用 java 写的，它支持将 PMML 导入到 java 中，进入作者的仓库中，又发现一个叫做 jpmml-evaluator-python ，根据 ReadMe 介绍，这是一个将 jpmml-evaluator 做了简单封装的 python 版本，使 python 可以导入 PMML 文件，但用户较少， start 也只有 1 ，试用时发现了问题，也向作者反馈了，并且作者还因此更新了代码，但仍然没有解决。 issue 链接: https://github.com/jpmml/jpmm...
2. 又找了一个叫做 sklearn-pmml-model ，目前也是用户少，功能不完整（支持的模型有限）的情况，但在安装过程中就出错，联系了作者，未获得反馈。
3. openscoring 项目，同样也是一个用 java 写的项目，其作用就是支持开启一个服务端用于调用机器学习模型，客户端向服务端传递机器学习的 PMML 文件和预测数据，服务端可以使用 jar 包一键部署，而客户端则可以使用 java/python/R 等不同的 SDK ，甚至直接使用 curl ，最终该方案用上了。在和作者沟通中，作者还指出了 KNIME 导出的 PMML 存在的 BUG ，并建议向 KNIME 反馈这个 BUG 。