关于

PMML是用XML来描述数据挖掘模型的一种通用可交换格式，利用PMML可以将各种工具生成的模型很方便的发布到生产环境！
目前著名的 sklearn 和 R中的模型，都支持导出为PMML格式！
http://dmg.org/pmml/

通用结构

• 采用XML格式，只有一个根节点

<PMML version="4.1"
    xmlns="http://www.dmg.org/PMML-4_1"
    xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
</PMML>

• 一个PMML文件可以包含多个模型，一个应用系统可以通过名字选择模型，否则选择第一个模型

Header

可以包含 copyright, description, Applilcation, name, version, Annotation。
例子：

<Header copyright="www.tracholar.com"/>

MiningBuildTask

包含任意XML值，描述训练模型的配置，不是 PMML 必须。

DataDictionary

定义用于模型输入的数据的类型，范围等。
可以用在多个模型当中。

DataField

• name 必须唯一！
• opType 操作类型，表明是连续，离散特征
• dataType 数据类型 https://www.w3.org/TR/xmlschema-2/，外加几个新类型 timeSenconds, dateDaysSince[aYear], dateTimeSecondsSince[aYear]
• Value

TransformationDictionary

对数据变换:

• Normalization：归一化，输入可以是连续或离散值
• Discretization：将连续值变成离散值
• Value mapping：将离散值映射为离散值
• Text Indexing：对给定的term赋予一个频率值？
• Functions：函数映射
• Aggregation：聚合函数，例如求和
• Lag：使用之前的值？

MODEL-ELEMENT

MiningModel

functionName

PMML 定义了5中挖掘函数，每个模型可以有一个属性 functionName 用来指定functionName。
可以取值为：

• associationRules
• sequences
• classification
• regression
• clustering
• timeSeries
• mixed

Segmentation

• multipleModelMethod 多个模型融合方法：
  • majorityVote 投票
  • modelChain 模型链，前一个模型的结果作为后一个模型的输入
  • average 平均
  • selectFirst, selectAll, majorityVote, modelChain, etc
• Segment， id 1-based index：为什么要有一个 <True/>

RegressionModel

回归模型

• MiningSchema：定义建模的字段
• Output：定义一个模型的输出结果值，使用OutputField定义名字，predictedValue字段表明输出的是 raw predicted value.
• Target

Extension

其他

modelName

用来指定模型民资

基本数据类型

NUMBER, INT-NUMER, REAL-NUMBER, PROB-NUMBER, PERCENTAGE-NUMBER, FIELD-NAME, ARRAY