- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我有一个简单的 PMML我想 PUT
到评分服务器的文件。这是 curl
调用:
curl -X PUT --data-binary @DecisionTreeIris.pmml -H "Content-type: text/xml" http://localhost:8080/openscoring/model/DecisionTreeIris
这是 PMML 文件:
<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<PMML xmlns="http://www.dmg.org/PMML-4_1" version="4.1">
<Header copyright="Copyright (c) 2013 Vfed" description="RPart Decision Tree Model">
<Extension extender="Rattle/PMML" name="user" value="Vfed"/>
<Application name="Rattle/PMML" version="1.2.34r27"/>
<Timestamp>2013-05-15 22:02:28</Timestamp>
</Header>
<DataDictionary numberOfFields="5">
<DataField name="Species" optype="categorical" dataType="string">
<Value value="setosa"/>
<Value value="versicolor"/>
<Value value="virginica"/>
</DataField>
<DataField name="Sepal.Length" optype="continuous" dataType="double"/>
<DataField name="Sepal.Width" optype="continuous" dataType="double"/>
<DataField name="Petal.Length" optype="continuous" dataType="double"/>
<DataField name="Petal.Width" optype="continuous" dataType="double"/>
</DataDictionary>
<TreeModel modelName="RPart_Model" functionName="classification" algorithmName="rpart" missingValueStrategy="defaultChild" splitCharacteristic="binarySplit">
<MiningSchema>
<MiningField name="Species" usageType="predicted"/>
<MiningField name="Sepal.Length" usageType="active"/>
<MiningField name="Sepal.Width" usageType="active"/>
<MiningField name="Petal.Length" usageType="active"/>
<MiningField name="Petal.Width" usageType="active"/>
</MiningSchema>
<Output>
<OutputField name="Predicted_Species" optype="categorical" dataType="string" feature="predictedValue"/>
<OutputField name="Probability_setosa" optype="continuous" dataType="double" feature="probability" value="setosa"/>
<OutputField name="Probability_versicolor" optype="continuous" dataType="double" feature="probability" value="versicolor"/>
<OutputField name="Probability_virginica" optype="continuous" dataType="double" feature="probability" value="virginica"/>
<!-- Custom output field -->
<OutputField name="Node_Id" optype="categorical" dataType="string" feature="entityId"/>
</Output>
<Node id="1" score="setosa" recordCount="150.0" defaultChild="3">
<True/>
<ScoreDistribution value="setosa" recordCount="50.0" confidence="0.333333333333333"/>
<ScoreDistribution value="versicolor" recordCount="50.0" confidence="0.333333333333333"/>
<ScoreDistribution value="virginica" recordCount="50.0" confidence="0.333333333333333"/>
<Node id="2" score="setosa" recordCount="50.0">
<CompoundPredicate booleanOperator="surrogate">
<SimplePredicate field="Petal.Length" operator="lessThan" value="2.45"/>
<SimplePredicate field="Petal.Width" operator="lessThan" value="0.8"/>
<SimplePredicate field="Sepal.Length" operator="lessThan" value="5.45"/>
<SimplePredicate field="Sepal.Width" operator="greaterOrEqual" value="3.35"/>
</CompoundPredicate>
<ScoreDistribution value="setosa" recordCount="50.0" confidence="1.0"/>
<ScoreDistribution value="versicolor" recordCount="0.0" confidence="0.0"/>
<ScoreDistribution value="virginica" recordCount="0.0" confidence="0.0"/>
</Node>
<Node id="3" score="versicolor" recordCount="100.0" defaultChild="7">
<CompoundPredicate booleanOperator="surrogate">
<SimplePredicate field="Petal.Length" operator="greaterOrEqual" value="2.45"/>
<SimplePredicate field="Petal.Width" operator="greaterOrEqual" value="0.8"/>
<SimplePredicate field="Sepal.Length" operator="greaterOrEqual" value="5.45"/>
<SimplePredicate field="Sepal.Width" operator="lessThan" value="3.35"/>
</CompoundPredicate>
<ScoreDistribution value="setosa" recordCount="0.0" confidence="0.0"/>
<ScoreDistribution value="versicolor" recordCount="50.0" confidence="0.5"/>
<ScoreDistribution value="virginica" recordCount="50.0" confidence="0.5"/>
<Node id="6" score="versicolor" recordCount="54.0">
<CompoundPredicate booleanOperator="surrogate">
<SimplePredicate field="Petal.Width" operator="lessThan" value="1.75"/>
<SimplePredicate field="Petal.Length" operator="lessThan" value="4.75"/>
<SimplePredicate field="Sepal.Length" operator="lessThan" value="6.15"/>
<SimplePredicate field="Sepal.Width" operator="lessThan" value="2.95"/>
</CompoundPredicate>
<ScoreDistribution value="setosa" recordCount="0.0" confidence="0.0"/>
<ScoreDistribution value="versicolor" recordCount="49.0" confidence="0.907407407407407"/>
<ScoreDistribution value="virginica" recordCount="5.0" confidence="0.0925925925925926"/>
</Node>
<Node id="7" score="virginica" recordCount="46.0">
<CompoundPredicate booleanOperator="surrogate">
<SimplePredicate field="Petal.Width" operator="greaterOrEqual" value="1.75"/>
<SimplePredicate field="Petal.Length" operator="greaterOrEqual" value="4.75"/>
<SimplePredicate field="Sepal.Length" operator="greaterOrEqual" value="6.15"/>
<SimplePredicate field="Sepal.Width" operator="greaterOrEqual" value="2.95"/>
</CompoundPredicate>
<ScoreDistribution value="setosa" recordCount="0.0" confidence="0.0"/>
<ScoreDistribution value="versicolor" recordCount="1.0" confidence="0.0217391304347826"/>
<ScoreDistribution value="virginica" recordCount="45.0" confidence="0.978260869565217"/>
</Node>
</Node>
</Node>
</TreeModel>
</PMML>
不确定这是否重要,但我正在使用 Openscoring PMML 评分服务器。
最佳答案
我建议使用 Kenneth Reitz 的请求库(GitHub 和 Docs)。
具体来说,有一个 example关于如何发布文件。用它来构建你需要的东西。
我只是在这里假设,但我会尝试以下操作:
import requests
url = 'http://localhost:8080/openscoring/model/DecisionTreeIris'
files = {'file': open('/path/to/file/DecisionTreeIris.pmml', 'rb')}
response = requests.post(url, files=files)
您还可以设置标题或您需要的任何其他内容。 requests 非常简单易用,是 Python 社区的福音。文档非常好,您通常可以通过 Google/Bing/DuckDuckGo 搜索轻松找到示例。
希望对您有所帮助!
关于python - 使用 Python 来 PUT PMML,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/24320021/
与我一起工作的统计学家在 SAS 中生成 PMML,然后将这些交付给我。他们必须将代码转换成 PMML,这个过程既耗时又充满错误。 是否存在满足以下要求的东西, 非程序员也可以使用 将转换编码为现有
过去几周我花了很多时间处理具有错误语法或逻辑错误的 PMML 文件。我当前的流程包括查看 PMML 文件并逐步执行 JPMML 代码,直到找出问题所在。 我发现的常见问题, PMML 中的变量未在任何
我有一个 RData 文件,它是一个随机森林模型,大小为 10Mb。我想将其转换为 PMML,但是当使用 R2PMML 库时,这会创建一个 350Mb PMML 文件,该文件太大而无法使用。知道如何让
我正在尝试为我在 scikit learn 中构建的朴素贝叶斯模型构建自己的 pmml 导出器。在阅读 PMML 文档时,似乎对于每个特征向量,如果它是离散的,您可以按照计数数据输出模型,或者如果它是
我有标记数据、耦合分类变量和两个二元目标变量。 例如标题; column_1,column_2,column_3,column_4,target_1,target_1 如何将其导出到 PMML?我发现
我正在按照 PMML model export - spark.mllib 的说明进行操作创建 K-means 模型。 val numClusters = 10 val numIterations =
我想使用 pmml 库导出 Caret 随机森林模型,以便我可以将其用于 Java 中的预测。 这是我遇到的错误的重现。 data(iris) require(caret) require(pmml)
简单的问题,我使用 pmmlcode <- pmml(my.object) 存储了 R 对象的 PMML 代码,我想用某种方式将它直接保存到文本文件中。平常的 write.table方法不起作用,因为
作为机器学习部署项目的一部分,我构建了一个概念验证,其中我使用 R 的 glm 为二元分类任务创建了两个简单的逻辑回归模型。函数和 python 的 scikit-learn .之后,我将那些训练好的
我尝试按照指令 here 设置我的 GBDTLRClassifier 。首先,我对我的列进行了标签编码。然后我定义分类和连续特征,将列名称放入两个列表中。 cat # categorical col
我正在使用 PMML 构建一个新的规则引擎。我已经阅读了很多内容,想知道是否有人可以给我一些使用 OpenScoring ( http://openscoring.io/ ) 的优点/缺点?或者一些性
我找不到 PostgreSQL 数据库支持的任何引用 PMML使用搜索引擎。我想知道是否有人对此有任何运气。我想在 PostgreSQL 中部署一个内置于 R 中的随机森林模型(我知道其他解决方法 -
我是 PMML 的新手:预测模型标记语言 (www.dmg.org),我想知道是否有某种 Java 支持(开源/专业)用于创建/解析 PMML 文件。 最初我只考虑从 Java 环境以编程方式创建/解
我在 R 中构建了一个玩具随机森林模型(使用 caret 包中的 German Credit 数据集),将其导出到PMML 4.0 并使用 Cascading Pattern 库部署到 Hadoop。
我有一个 PMML 文件,我正在尝试在 R 中导入/读取该文件,以基于它进行一些分析。尽管我找到了package,但我找不到合适的函数来读取模型。与 PMML 相关。有没有一种简单的方法可以将这种类型
我很久以前就建立了一个逻辑回归模型,并且我有系数。我没有保存模型对象本身,只是收集并保留其 beta。它看起来像这样: variables = ['inquiries', 'income', 'cre
我在 Internet 上找到了很多与此相关的主题,但我找不到解决方案。 假设我想从 this examples list 下载任何 PMML 模型,并在 Python 中运行它们(最好是 Pytho
R 中的 pmml 包默认生成最新版本的 pmml(目前为 4.2)。是否可以(如果可以,如何?)生成旧版本的 pmml(例如 4.1),因为 pmml 使用者还不支持 4.2? 最佳答案 有几个选项
是否可以使用 PySpark 将模型导出为 PMML?我知道使用 Spark 可以做到这一点。但我在 PySpark 文档中没有找到任何引用。那么这是否意味着如果我想这样做,我需要使用一些第三方 py
是否可以使用 PySpark 将模型导出为 PMML?我知道使用 Spark 可以做到这一点。但我在 PySpark 文档中没有找到任何引用。那么这是否意味着如果我想这样做,我需要使用一些第三方 py
我是一名优秀的程序员,十分优秀!