PMML文档结构简介

目录

一、 PMML 介绍

二、 PMML 结构

1 、 PMML 介绍

PMML （ Predictive Model Markup Language ）主要是作为分析模型训练实例的载体，截至到 PMML 4.2 版本，支持的模型包括：关联规则、基线模型、决策树、聚类、回归、 KNN 、神经网络、贝叶斯、记分牌、序列、文本、时间序列、规则集和 SVM 。

PMML 使用统一的规范进行验证，使用 XSD 进行词法验证，使用 XSLT 进行语法验证，在构造和解析的时候都要依照统一的 PMML 规范操作。

2 、 PMML 结构

a)          PMML 标签

PMML 的命名空间定义如下：

xmlns="http://www.dmg.org/PMML-4_2"

b)         Header 标签

Header 标签标识着 PMML 正文的开始，可以包含 copyright 、描述、名称等信息，可以添加时间戳、注解等元素。

c)          MiningBuildTask

此元素包含构造模型实例的配置信息，一般是 SQL 或 Java 片段。

d)         DataDictionary

此元素包含挖掘模型的每个属性信息，通过 DataDictionary 基本可以确定模型的规模。在 DataDictionary 中的 DataField 的 name 必须在 DataField 和 DerivedField 的 name 中唯一。

e)          TransformationDictionary

TransformationDictionary 主要用于从原数据到模型使用数据之间的映射，支持的映射包括正规化、离散化、数值映射、词频、定义函数和聚集。

f)           模型元素

前面已经提到了 PMML 支持的模型种类，这里仅对分类模型进行简介，其他模型类似。

1. 分类模型

PMML 中的 TreeModel 可以用来定义一个分类或预测模型，包含 modelName 、 functionName 、 algorithmName 、 missingValueStrategy 、 missingValuePenalty 、 noTrueChildStrategy 、 splitCharacteristic 和 isScorable 属性，这些属性根据字面意思都很容易理解，根据 xsd 中的规定取得枚举值。

1. Extension

Extension 标签是 PMML 提供的一种扩展机制，用户可以根据需要在此标签中自行扩展内容，当然这些内容在其他软件中可能是不兼容的。

2. MiningSchema

按照 PMML 文档的规范， MiningSchema 是模型元素的门卫，哪个模型都要有，其中包含的 MiningField 应该取至 DataDictionary 的 DataField ，用于标识本模型真正使用到的属性。

3. Output

定义了输出的格式。

4. ModelStats

提供了一个统计信息的基本框架，提供单个和多个变量的统计。

5. ModelExplanation

ModelExplanation 提供针对模型的具体解释，包括单变量统计、分区、预测模型质量、分类模型质量、累计收益提升图和分级质量信息、 ROC 、混淆矩阵、相关性度量。

6. Targets

包含多个 Target ，用于标识目标列信息。

7. Node

Node 本身包含树中的一个节点，可能是内部节点也可能是叶子节点，节点中包含分类的具体信息。

8. ModelVerification

提供了一个数据集，用于校验 PMML 在不同环境中，是否会造成模型能力下降。