Python 3.x 如何将python xgboost模型转换为pmml？

如何将python xgboost模型转换为pmml

reg = XGBRegressor(learning_rate=0.1, n_estimators=30, max_depth=4, min_child_weight=4, gamma=0.1,
                       subsample=0.9, colsample_bytree=0.8, objective='binary:logistic', reg_alpha=1,
                       scale_pos_weight=1, seed=27)
param_test = [{
        'max_depth': [i for i in range(1, 3)],
        'gamma': [i / 10.0 for i in range(0, 10)],
        'n_estimators': [i for i in range(2, 14, 2)],
}]
gsearch = GridSearchCV(reg, param_grid=param_test, scoring='neg_mean_squared_error', n_jobs=4, iid=False, cv=5)
gsearch.fit(x_train, y_train)
best_model = gsearch.best_estimator_

---

请参阅SKLear2PML软件包：

首先，定义一个新的pmml管道，并将XGBRegressionor插入其中。然后，使用

GridSearchCV

learner安装pmml管道。最后，使用

sklearn2pmml.sklearn2pmml

函数调用将

GridSearchCV.best\u estimator\u

导出为pmml数据格式，该格式应为优化的pmml管道：

pmml_pipeline = PMMLPipeline([
  ("regressor", XGBRegressor())
])
tuner = GridSearchCV(pmml_pipeline, ...)
tuner.fit(X, y)
sklearn2pmml(tuner.best_estimator_, "xgbregressor-pipeline.pmml")

---

另请参见以下演示的幻灯片#26：

我尝试了这种方法，但它的错误如下：估算器PMMLPipeline的参数gamma无效（steps=[（'regressor'，XGBRegressor（基本分数=0.5，助推器=gbtree，colsample=bylevel=1，colsample=bytree=0.8，gamma=0.1，学习率=0.1，最大增量=0，最大深度=4，最小子权重=4，缺失=nan，n估计数=30，n作业=1，n读取=None，目标为二元逻辑，随机状态=0，注册α=1，注册λ=1，标度位置权重=1，种子=27，silent=True，subsample=0.9））]）。使用

估计器检查可用参数列表。get_params（）.keys（）

。错误消息“估计器（PMML）管道的参数伽马无效”这意味着您必须为所有网格搜索参数名称预先添加一个步骤标识符。例如，

max_depth

应该变成

regressor\uu max_depth

，依此类推。谢谢，我还有一个问题，当我试图转换为pmml时，出现了一个错误，如：RuntimeError:JPMML SkLearn转换应用程序失败。Java可执行文件应已将有关故障的更多信息打印到其标准输出和/或标准错误流中。我想知道如何修复此问题错误为：

Java.lang.UnsupportedClassVersionError:org/jpmml/sklearn/Main:Unsupported major.minor version 52.0

。这意味着您的

Java.exe

version上不支持Java（1.）8类文件。请卸载当前的

Java.exe

，然后安装最新的。有关此错误的详细信息，请参阅：