在 sklearn2pmml PMMLipeline 中自定義 function

Question

我正在嘗試創建一個機器學習 model，以根據中風患者對各種問卷和評估的回答提出治療建議。 例如，患者將被要求對手指、肘部、肩部和胸肌的僵硬程度進行評分（每個評分為 0 到 100）或回答 14 個與心理健康相關的問題（每個評分為 0 到 3 ）。

我想大致如下創建一個sklearn管道：

1. 匯總患者反應。 例如，四個僵硬反應應該被平均以創建一個單一的“僵硬”值，而十四個心理健康問題應該被總結為一個單一的“心理健康”值。 “剛度”和“心理健康”值將成為 model 中的特征。

2. 一旦以這種方式聚合了特征，決策樹分類器就會在標記數據上進行訓練，以將每個患者分配給適當的治療。

3.將訓練好的流水線導出為pmml文件進行生產

我認為這必須通過一些這樣的代碼來實現：

from sklearn2pmml.pipeline import PMMLPipeline

from sklearn2pmml import sklearn2pmml

from sklearn.tree import DecisionTreeClassifier

from somewhere import Something

pipeline = PMMLPipeline([
    ("input_aggregation", Something()),
    ("classifier", DecisionTreeClassifier())
])

pipeline.fit(patient_input, therapy_labels)
 
sklearn2pmml(pipeline, "ClassificationPipeline.pmml", with_repr = True)

我一直在研究文檔，我可以弄清楚將 PCA 應用於一組列，但不知道如何做一些簡單的事情，比如通過求和或平均來折疊一組列。 有人對我如何做到這一點有任何提示嗎？

謝謝你的幫助。

Answer 1

您只需要定義一個自定義 function 並在Pipeline中使用它。

這是完整的代碼：

from sklearn.preprocessing import FunctionTransformer
import numpy as np
from sklearn2pmml import make_pmml_pipeline

# fake data with 7 columns
X = np.random.rand(10,7)

n_rows = X.shape[0]

def custom_function(X):
    #averiging 4 first columns, sums the others, column-wise
    return np.concatenate([np.mean(X[:,0:5],axis = 1).reshape(n_rows,1), np.sum(X[:,5:],axis=1).reshape(n_rows,1)],axis = 1)

# Now, if you run: `custom_function(X)` it should return an array (10,2).

pipeline = make_pmml_pipeline(
FunctionTransformer(custom_function),
    )

Answer 2

示例代碼：

from sklearn_pandas import DataFrameMapper
from sklearn2pmml.preprocessing import Aggregator

pipeline = PMMLPipeline([
  ("mapper", DataFrameMapper([
    (["stiffness_1", "stiffness_2", "stiffness_3", "stiffness_4"], Aggregator(function = "mean")),
    (["mental_health_1", "mental_health2", .., "mental_health_14"], Aggregator(function = "sum"))
  ])),
  ("classifier", DecisionTreeClassifier())
])
pipeline.fit(X, y)

說明 - 您可以使用sklearn_pandas.DataFrameMapper定義列組，並對它應用轉換。 為了轉換到 PMML 工作，您需要提供變壓器 class，而不是直接 function。 也許您所有的轉換需求都由sklearn2pmml.preprocessing.Aggregator轉換器 class 處理。 如果沒有，您可以隨時定義自己的。

雖然@makis 提供了一個 100% 有效的 Python 示例，但它不適用於 Python 到 PMML 的情況，因為轉換器無法解析/處理自定義 Python 函數。