在Python中怎样使用Scikit-learn的Pipeline导出PMML？-Python教程-PHP中文网

scikit-learn pipeline 本身不支持直接导出 pmml，必须使用第三方库 sklearn2pmml；需用 pmmlpipeline 替代原生 pipeline，确保所有组件为 sklearn 原生或兼容类，且模型已 fit，否则导出失败。

在python中怎样使用scikit-learn的pipeline导出pmml？

Scikit-learn Pipeline 本身不支持直接导出 PMML

PMML（Predictive Model Markup Language）是一种 XML 格式，用于交换模型。但 scikit-learn 官方从不提供 PMML 导出功能，Pipeline 对象更不会自带 to_pmml() 或类似方法。试图调用 pipeline.export_pmml() 或搜索 sklearn.pmml 都会失败——这个模块不存在。

真正能导出 PMML 的第三方库只有 sklearn2pmml，它专为 bridging scikit-learn 和 PMML 设计，但有明确限制：

仅支持部分 estimator：如 LogisticRegression、RandomForestClassifier、StandardScaler、OneHotEncoder 等；不支持 FunctionTransformer（除非用 copy=True + 显式函数定义）、ColumnTransformer 中嵌套太深的结构、或自定义类
要求所有 transformer 和 estimator 必须实现 fit() 和 transform()/predict()，且不能依赖闭包或外部状态
Pipeline 中不能含 passthrough 或 drop 行为（例如 ColumnTransformer(transformers=[(..., 'passthrough', [...])]) 会报错）

用 sklearn2pmml.export_pmml() 导出 Pipeline 的正确姿势

核心是两步：先用 sklearn2pmml 包装 pipeline，再调用 export_pmml()。注意不是 pipeline.export_pmml()，也不是直接传原始 pipeline 给函数。

示例流程：

from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.ensemble import RandomForestClassifier
from sklearn2pmml import PMMLPipeline
from sklearn2pmml import sklearn2pmml
<h1>❌ 错误：用原生 Pipeline</h1><h1>pipe = Pipeline([...])</h1><h1>✅ 正确：必须用 PMMLPipeline（它是 sklearn.pipeline.Pipeline 的子类）</h1><p>pipe = PMMLPipeline([
("scaler", StandardScaler()),
("rf", RandomForestClassifier(n_estimators=10))
])</p><p>pipe.fit(X_train, y_train)</p><h1>导出到文件</h1><p>sklearn2pmml(pipe, "model.pmml", with_repr=True)
</p>

关键点：

必须用 PMMLPipeline 替代 Pipeline，否则 sklearn2pmml() 会拒绝序列化
with_repr=True 可选，但建议打开——它在 PMML 文件中嵌入 Python 类型信息，便于调试
若 pipeline 含 ColumnTransformer，需确保每个 transformer 返回 dense 数组（n_jobs=1，且 remainder='drop' 或明确指定列）
导出前务必调用 fit()，未拟合的 pipeline 会抛 NotFittedError

常见报错及绕过方式

导出失败时，错误信息通常指向具体组件。以下是高频问题：

Pipeworx alphavantage

使用 Alpha Vantage 获取任意股票代码的实时股价、历史数据、公司基本面、财务报表和盈利信息。

下载

“AttributeError: 'FunctionTransformer' object has no attribute 'get_params'”：
说明用了匿名函数或 lambda 做 FunctionTransformer。解决：改用具名函数，并设 validate=False（如果逻辑安全）：

def safe_log(x):
    return np.log1p(np.abs(x))
<p>pipe = PMMLPipeline([
("log", FunctionTransformer(safe_log, validate=False)),
("clf", LogisticRegression())
])
</p>

“ValueError: Unsupported transformer type 'ColumnTransformer'”：
旧版 sklearn2pmml 不支持 <code>ColumnTransformer。升级到 >= 0.90，并确保其内部 transformer 全部被 sklearn2pmml 支持（比如别用 TargetEncoder）。

“TypeError: cannot serialize '_io.TextIOWrapper' object”：
通常是 pipeline 中不小心存了文件句柄、logger 实例等非序列化对象。检查所有自定义类的 __init__，删掉任何非 estimator/transformer 属性。