如何将DataFrame Mapper转换为PMML？转换配置丢失问题求助

问题1：单独DataFrameMapper生成的PMML缺失缩尾配置 #

这是因为sklearn2pmml对仅包含预处理步骤的Pipeline，默认不会完整序列化预处理逻辑，需添加一个占位的“模型”步骤来触发完整导出：

修改代码，在Pipeline中加入IdentityTransformer作为占位：

from sklearn.base import IdentityTransformer

# 原有计算train_stats、continous_domains、data_mapper的代码保持不变

pmml_pipeline = PMMLPipeline(steps = [
    ('DataframeMapper', data_mapper),
    ('Identity', IdentityTransformer())  # 添加占位步骤
])
path_name = f"Trafo_{str(datetime.now().strftime('%Y_%m_%d_%H-%M'))}.pmml"
sklearn2pmml(pmml_pipeline, path_name, debug=True)

重新生成的PMML会完整包含ContinuousDomain的缺失值处理、缩尾高低值等配置。

问题2：添加LogisticRegression后无法获取转换后的所有值 #

PMML默认仅输出模型预测结果，若要同时保留预处理后的特征，可按两种方式处理：

方案A：分离数据转换与模型（推荐） #

完全符合你“分离处理逻辑”的需求：

1. 按问题1的方法生成仅包含预处理逻辑的PMML，用于单独做数据缩尾转换；
2. 用预处理后的数据集训练LogisticRegression，生成仅包含模型的PMML，用于后续预测。

方案B：同一PMML输出特征+预测结果 #

通过配置Pipeline，让PMML同时输出预处理特征和模型预测：

from sklearn.linear_model import LogisticRegression
from sklearn2pmml.preprocessing import SelectAllTransformer

# 原有data_mapper代码保持不变

pmml_pipeline = PMMLPipeline(steps = [
    ('DataframeMapper', data_mapper),
    ('SelectAll', SelectAllTransformer()),  # 保留所有预处理特征
    ('Classifier', LogisticRegression())
])

# 配置PMML输出规则
pmml_pipeline.configure({
    "pmml.features_output": True,
    "pmml.predicted_fields": ["predicted_class", "probability(0)", "probability(1)"]
})

path_name = f"Model_with_Trafo_{str(datetime.now().strftime('%Y_%m_%d_%H-%M'))}.pmml"
sklearn2pmml(pmml_pipeline, path_name, debug=True)

生成的PMML会同时输出预处理后的所有特征列，以及模型的预测类别和概率值。

额外提示 #

• 确保sklearn-pandas和sklearn2pmml使用兼容的最新稳定版本；
• 可通过PMML验证工具检查生成文件的结构，确认缩尾配置是否生效。

内容的提问来源于stack exchange，提问作者Habenzu