跨平台机器学习模型交互--将R训练的模型导出为PMML

问题导读
1.R语言训练的模型如何导出为PMML？
2.现有的rds格式的模型文件如何转化为PMML？





综述

R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。
许多数据工程师或者数据分析师都习惯使用R进行数据挖掘和建模分析。
本文介绍了如何将R中的模型导出为PMML文件，方便后续的工程上线操作，内容包括涉及环境的搭建和中间遇到的坑。
本文介绍的三种方式，各自支持的机器学习模型种类不完全一致，文中附有官方文档链接，模型支持程度请查阅官方文档。

前置知识

• R 基本操作
• Maven 基本操作
• Java 命令基本操作
  

R2PMML

这是一个R的包，用于将R中训练好的模型导出为PMML。github链接

软件版本

• Java 1.7 或者更新
• R 3.5.0
  

安装

使用devtools 从github的分支安装。代码如下：

[mw_shl_code=text,true]install.packages("devtools")
library("devtools")
install_git("git://github.com/jpmml/r2pmml.git")[/mw_shl_code]

注
因为某些不可描述的原因，可能出现网站访问的问题，请灵活使用科学上网手段。
博主自己测试的时候，耗时在3min 左右。

基本用法

载入该包，然后调用保存模型即可，代码如下：

[mw_shl_code=text,true]library("randomForest")
library("r2pmml")

data(iris)

# 训练模型
iris.rf = randomForest(Species ~ ., data = iris, ntree = 7)
print(iris.rf)

# 导出为 PMML
r2pmml(iris.rf, "iris_rf.pmml")[/mw_shl_code]

添加预处理过程

数据在进入模型前，可以先进行预处理，一线简单的预处理操作也可以定义在PMML中，R代码如下：

[mw_shl_code=text,true]library("caret")
library("randomForest")
library("r2pmml")

data(iris)

# 创建预处理过程，0-1 标准化
iris.preProcess = preProcess(iris, method = c("range"))

# 对原始数据进行预处理
iris.transformed = predict(iris.preProcess, newdata = iris)

# 使用预处理之后的数据训练模型
iris.rf = randomForest(Species ~., data = iris.transformed, ntree = 7)
print(iris.rf)

# 导出PMML 文件
r2pmml(iris.rf, "iris_rf.pmml", preProcess = iris.preProcess)[/mw_shl_code]



PMML包

R 中也支持了自带的PMML包,在最近的一次更新(2018.07.06)中，增加了支持模型的数量。

软件版本

• R 3.5.0
  

安装过程

需要用到的包有：XML PMML 需要提前安装，命令如下：

[mw_shl_code=text,true]install.packages(“XML”)
install.packages('pmml')[/mw_shl_code]

选择镜像之后，等几分钟就行了。

使用

训练模型，和上面一致

[mw_shl_code=text,true]library("randomForest")
data(iris)
iris.rf = randomForest(Species ~ ., data = iris, ntree = 7)
print(iris.rf)[/mw_shl_code]

将模型转为pmml之后，导出为pmml格式

[mw_shl_code=text,true]library("pmml")
iris.rf.pmml <- pmml(iris.rf,name="Iris Random Forest",data=iris.rf)
savePMML(iris.rf.pmml,"iris.rf.pmml",version=4.3)[/mw_shl_code]

JPMML-R

上面两种方式，都是在R中，直接将模型导出为PMML。还可以将R的模型存为rds文件之后，调用Java 的方式安装。

软件版本

• Java 1.8 或者更新
• R 3.5.0
  

安装

在github 下载相关源码之后，编译

[mw_shl_code=shell,true]git clone git@github.com:jpmml/jpmml-r.git
mvn clean install[/mw_shl_code]

在 target 目录下会生成converter-executable-1.3-SNAPSHOT.jar 文件。

R中生成rds文件

将训练好的模型保存为rds，代码如下：

[mw_shl_code=text,true]library("randomForest")
rf = randomForest(Species ~ ., data = iris)
saveRDS(rf, "rf.rds")[/mw_shl_code]

将rds文件转为pmml文件
[mw_shl_code=shell,true]java -jar target/converter-executable-1.3-SNAPSHOT.jar --rds-input rf.rds --pmml-output rf.pmml
[/mw_shl_code]

总结

本文介绍了三种不同的方式，将R中训练好的模型导出为pmml文件。3种方式支持的模型不完全一致，比如 R2PMML 不支持glmnet，需要存glmnet的模型时，可以使用另外的方式。

REF

R2PMML
pmml: Generate PMML for Various Models
JPMML-R