在机器学习用于产品的时候，我们经常会遇到跨平台的问题。比如我们用Python基于一系列的机器学习库训练了一个模型，但是有时候其他的产品和项目想把这个模型集成进去，但是这些产品很多只支持某些特定的生产环境比如Java，为了上一个机器学习模型去大动干戈修改环境配置很不划算，此时我们就可以考虑用预测模型标记语言(Predictive Model Markup Language,以下简称PMML)来实现跨平台的机器学习模型部署了。

1. PMML概述

PMML是数据挖掘的一种通用的规范，它用统一的XML格式来描述我们生成的机器学习模型。这样无论你的模型是sklearn,R还是Spark MLlib生成的，我们都可以将其转化为标准的XML格式来存储。当我们需要将这个PMML的模型用于部署的时候，可以使用目标环境的解析PMML模型的库来加载模型，并做预测。

可以看出，要使用PMML，需要两步的工作，第一块是将离线训练得到的模型转化为PMML模型文件，第二块是将PMML模型文件载入在线预测环境，进行预测。这两块都需要相关的库支持。

2. PMML模型的生成和加载相关类库

PMML模型的生成相关的库需要看我们使用的离线训练库。如果我们使用的是sklearn，那么可以使用sklearn2pmml这个python库来做模型文件的生成，这个库安装很简单，使用"pip install sklearn2pmml"即可，相关的使用我们后面会有一个demo。如果使用的是Spark MLlib, 这个库有一些模型已经自带了保存PMML模型的方法，可惜并不全。如果是R，则需要安装包"XML"和“PMML”。此外，JAVA库JPMML可以用来生成R,SparkMLlib,xgBoost,Sklearn的模型对应的PMML文件。github地址是：https://github.com/jpmml/jpmml。

加载PMML模型需要目标环境支持PMML加载的库，如果是JAVA，则可以用JPMML来加载PMML模型文件。相关的使用我们后面会有一个demo。

3. PMML模型生成和加载示例

下面我们给一个示例，使用sklearn生成一个决策树模型，用sklearn2pmml生成模型文件，用JPMML加载模型文件，并做预测。

完整代码参见我的github:https://github.com/ljpzzz/machinelearning/blob/master/model-in-product/sklearn-jpmml

首先是用用sklearn生成一个决策树模型，由于我们是需要保存PMML文件，所以最好把模型先放到一个Pipeline数组里面。这个数组里面除了我们的决策树模型以外，还可以有归一化，降维等预处理操作，这里作为一个示例，我们Pipeline数组里面只有决策树模型。代码如下:

importnumpy as npimportmatplotlib.pyplot as plt%matplotlib inlineimportpandas as pdfrom sklearn importtreefrom sklearn2pmml.pipeline importPMMLPipelinefrom sklearn2pmml importsklearn2pmmlimportos

os.environ["PATH"] += os.pathsep + 'C:/Program Files/Java/jdk1.8.0_171/bin'X=[[1,2,3,1],[2,4,1,5],[7,8,3,6],[4,8,4,7],[2,5,6,9]]

y=[0,1,0,2,1]

pipeline= PMMLPipeline([("classifier", tree.DecisionTreeClassifier(random_state=9))]);

pipeline.fit(X,y)

sklearn2pmml(pipeline,".\demo.pmml", with_repr = True)

上面这段代码做了一个非常简单的决策树分类模型，只有5个训练样本，特征有4个，输出类别有3个。实际应用时，我们需要将模型调参完毕后才将其放入PMMLPipeline进行保存。运行代码后，我们在当前目录会得到一个PMML的XML文件，可以直接打开看，内容大概如下：

2018-06-24T05:47:17Z

PMMLPipeline(steps=[('classifier', DecisionTreeClassifier(class_weight=None, criterion='gini', max_depth=None,

max_features=None, max_leaf_nodes=None,

min_impurity_decrease=0.0, min_impurity_split=None,

min_samples_leaf=1, min_samples_split=2,

min_weight_fraction_leaf=0.0, presort=False, random_state=9,

splitter='best'))])

可以看到里面就是决策树模型的树结构节点的各个参数，以及输入值。我们的输入被定义为x1-x4,输出定义为y。

有了PMML模型文件，我们就可以写JAVA代码来读取加载这个模型并做预测了。

我们创建一个Maven或者gradle工程，加入JPMML的依赖，这里给出maven在pom.xml的依赖，gradle的结构是类似的。

org.jpmml

pmml-evaluator

1.4.1

org.jpmml

pmml-evaluator-extension

1.4.1

接着就是读取模型文件并预测的代码了，具体代码如下：

importorg.dmg.pmml.FieldName;importorg.dmg.pmml.PMML;import org.jpmml.evaluator.*;importorg.xml.sax.SAXException;importjavax.xml.bind.JAXBException;importjava.io.FileInputStream;importjava.io.IOException;importjava.io.InputStream;importjava.util.HashMap;importjava.util.LinkedHashMap;importjava.util.List;importjava.util.Map;/*** Created by 刘建平Pinard on 2018/6/24.*/

public classPMMLDemo {privateEvaluator loadPmml(){

PMML pmml= newPMML();

InputStream inputStream= null;try{

inputStream= new FileInputStream("D:/demo.pmml");

}catch(IOException e) {

e.printStackTrace();

}if(inputStream == null){return null;

}

InputStream is=inputStream;try{

pmml=org.jpmml.model.PMMLUtil.unmarshal(is);

}catch(SAXException e1) {

e1.printStackTrace();

}catch(JAXBException e1) {

e1.printStackTrace();

}finally{//关闭输入流

try{

is.close();

}catch(IOException e) {

e.printStackTrace();

}

}

ModelEvaluatorFactory modelEvaluatorFactory=ModelEvaluatorFactory.newInstance();

Evaluator evaluator=modelEvaluatorFactory.newModelEvaluator(pmml);

pmml= null;returnevaluator;

}private int predict(Evaluator evaluator,int a, int b, int c, intd) {

Map data = new HashMap();

data.put("x1", a);

data.put("x2", b);

data.put("x3", c);

data.put("x4", d);

List 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 arguments = new LinkedHashMap();for(InputField inputField : inputFields) {

FieldName inputFieldName=inputField.getName();

Object rawValue=data.get(inputFieldName.getValue());

FieldValue inputFieldValue=inputField.prepare(rawValue);

arguments.put(inputFieldName, inputFieldValue);

}

Map results =evaluator.evaluate(arguments);

List targetFields =evaluator.getTargetFields();

TargetField targetField= targetFields.get(0);

FieldName targetFieldName=targetField.getName();

Object targetFieldValue=results.get(targetFieldName);

System.out.println("target: " + targetFieldName.getValue() + " value: " +targetFieldValue);int primitiveValue = -1;if (targetFieldValue instanceofComputable) {

Computable computable=(Computable) targetFieldValue;

primitiveValue=(Integer)computable.getResult();

}

System.out.println(a+ " " + b + " " + c + " " + d + ":" +primitiveValue);returnprimitiveValue;

}public static voidmain(String args[]){

PMMLDemo demo= newPMMLDemo();

Evaluator model=demo.loadPmml();

demo.predict(model,1,8,99,1);

demo.predict(model,111,89,9,11);

}

}

代码里有两个函数，第一个loadPmml是加载模型的，第二个predict是读取预测样本并返回预测值的。我的代码运行结果如下：

target: y value: {result=2, probability_entries=[0=0.0, 1=0.0, 2=1.0], entityId=5, confidence_entries=[]}

1 8 99 1:2

target: y value: {result=1, probability_entries=[0=0.0, 1=1.0, 2=0.0], entityId=6, confidence_entries=[]}

111 89 9 11:1

也就是样本(1,8,99,1)被预测为类别2，而(111,89,9,11)被预测为类别1。

以上就是PMML生成和加载的一个示例，使用起来其实门槛并不高，也很简单。

4. PMML总结与思考

PMML的确是跨平台的利器，但是是不是就没有缺点呢？肯定是有的！

第一个就是PMML为了满足跨平台，牺牲了很多平台独有的优化，所以很多时候我们用算法库自己的保存模型的API得到的模型文件，要比生成的PMML模型文件小很多。同时PMML文件加载速度也比算法库自己独有格式的模型文件加载慢很多。

第二个就是PMML加载得到的模型和算法库自己独有的模型相比，预测会有一点点的偏差，当然这个偏差并不大。比如某一个样本，用sklearn的决策树模型预测为类别1，但是如果我们把这个决策树落盘为一个PMML文件，并用JAVA加载后，继续预测刚才这个样本，有较小的概率出现预测的结果不为类别1.

第三个就是对于超大模型，比如大规模的集成学习模型，比如xgboost, 随机森林，或者tensorflow，生成的PMML文件很容易得到几个G，甚至上T，这时使用PMML文件加载预测速度会非常慢，此时推荐为模型建立一个专有的环境，就没有必要去考虑跨平台了。

此外，对于TensorFlow，不推荐使用PMML的方式来跨平台。可能的方法一是TensorFlow serving，自己搭建预测服务，但是会稍有些复杂。另一个方法就是将模型保存为TensorFlow的模型文件，并用TensorFlow独有的JAVA库加载来做预测。

我们在下一篇会讨论用python+tensorflow训练保存模型，并用tensorflow的JAVA库加载做预测的方法和实例。

(欢迎转载，转载请注明出处。欢迎沟通交流： liujianping-ok@163.com)