R 插入符号模型将随机森林转化为PMML误差

我想使用pmml库导出一个插入符号随机林模型，以便在Java中使用它进行预测。 这是我得到的错误的复制品

data(iris)
require(caret)
require(pmml)
rfGrid2 <- expand.grid(.mtry = c(1,2))
fitControl2 <- trainControl(
  method = "repeatedcv",
  number = NUMBER_OF_CV, 
  repeats = REPEATES)

model.Test <- train(Species ~ .,
  data = iris,
  method ="rf",
  trControl = fitControl2,
  ntree = NUMBER_OF_TREES,
  importance = TRUE,  
  tuneGrid = rfGrid2)

print(model.Test)
pmml(model.Test)

Error in UseMethod("pmml") : 
  no applicable method for 'pmml' applied to an object of class "c('train', 'train.formula')"

它使用直接随机森林模型工作，但不使用经过插入符号训练的模型

library(randomForest)
iris.rf <- randomForest(Species ~ ., data=iris, ntree=20)
# Convert to pmml
pmml(iris.rf)
# this works!!!
str(iris.rf)

List of 19
 $ call           : language randomForest(formula = Species ~ ., data = iris, ntree = 20)
 $ type           : chr "classification"
 $ predicted      : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...
...

str(model.Test)
List of 22
 $ method      : chr "rf"
 $ modelInfo   :List of 14
  ..$ label     : chr "Random Forest"
  ..$ library   : chr "randomForest"
  ..$ loop      : NULL
  ..$ type      : chr [1:2] "Classification" "Regression"
...

库（随机林）
iris.rf您不能使用
train
或
train.formula
类型调用
pmml
方法（即，这是您的
model.Test
对象的类型）

train
方法的插入符号说明，您可以通过
finalModel
字段访问最佳模型。然后可以在该对象上调用
pmml
方法

rf = model.Test$finalModel
pmml(rf)

不幸的是，插入符号使用“矩阵接口”（即通过设置
x
和
y
字段）指定RF模型，而不是使用更常见的“公式接口”（即通过设置
公式
字段）。AFAIK，“pmml”软件包不支持此类射频型号的出口

所以，看起来最好的选择是使用两级方法。首先，使用插入符号包为数据集找到最合适的RF参数化。其次，使用此参数化的“公式界面”手动训练最终RF模型
 您可以使用来完成此工作：

library("caret")
library("r2pmml")

data(iris)

train.rf = train(Species ~ ., data = iris, method = "rf")
print(train.rf)
r2pmml(train.rf, "/tmp/train-rf.pmml")

感谢您的回复，该行还返回一个错误，rf=model.Test$finalModel pmml（rf）您对公式界面的意思是什么？仅来自randomforest软件包？公式界面的randomforest：
rf=randomforest（物种~，数据=iris）
。矩阵接口：
rf=randomForest（y=iris[，c（“物种”）]，x=iris[，c（“萼片长度”，“萼片宽度”，“花瓣长度”，“花瓣宽度”）]，data=iris）
也就是说，
pmml
方法只接受使用公式接口训练过的rf模型。对于使用矩阵接口训练过的RF模型，这会产生错误。不幸的是，插入符号包使用了矩阵接口。GitHub的帮助页面上说，在加载r2pmml之前需要这个接口：
选项（“java.parameters”=c（“-Xms4G”，“-Xmx8G”）
。但是，这并没有解决我在Mac上遇到的java错误：
java.lang.UnsupportedClassVersionError:org/jpmml/rexp/Main:Unsupported major.minor version 51.0
这些java选项为JVM进程分配更多内存，这将加快大型RF模型的转换。但是，您的问题-
java.lang.UnsupportedClassVersionError
-表明您使用的是过时的java版本。请参阅相关的SO线程，除了
java-version
的shell执行报告：“java版本”1.7.0_79“java（TM）SE运行时环境（build 1.7.0_79-b15）”系统和R的“rJava”包可能使用不同的java版本。我不知道Mac，但在GNU/Linux上可以分别安装
R-core
和
R-java
软件包。如果安装了
R-java
软件包，则其优先级高于系统的java。您是否运行了中给出的R代码段？我相信它的打印输出指向与系统的Java不同的Java安装（即“Java版本1.7.079”）。
library("caret")
library("r2pmml")

data(iris)

train.rf = train(Species ~ ., data = iris, method = "rf")
print(train.rf)
r2pmml(train.rf, "/tmp/train-rf.pmml")