能否在单个PMML文件中运行回归器与分类器两种不同模型？

完全可行，PMML规范原生支持将多个独立模型（无论模型类型、输入输出是否一致）打包到单个文件中，还能通过这种方式减少加载时的IO开销，契合你降低加载时间的需求。

具体实现方案 #

• 基于PMMLPipeline的扩展实现（推荐）
  常规PMMLPipeline是单输入单输出结构，但可以通过自定义子管道结合PMML的Segmentation特性实现多模型打包：

  • 为回归器和分类器分别创建独立的子管道，各自处理对应的X矩阵；
  • 将两个子管道整合到一个父管道中，通过设置segmentationType="independent"标记两个模型彼此独立；
  • 利用sklearn2pmml这类工具库，可以直接将复合管道导出为PMML文件，每个模型会自动生成对应的输入输出字段定义。
    示例代码思路：

  from sklearn2pmml import PMMLPipeline
  from sklearn.linear_model import LinearRegression
  from sklearn.ensemble import RandomForestClassifier
  
  # 回归器子管道
  reg_pipeline = PMMLPipeline([
      ("regressor", LinearRegression())
  ])
  reg_pipeline.fit(X_reg, y_reg)
  
  # 分类器子管道
  clf_pipeline = PMMLPipeline([
      ("classifier", RandomForestClassifier())
  ])
  clf_pipeline.fit(X_clf, y_clf)
  
  # 构建复合PMML结构（需借助sklearn2pmml的扩展API或手动拼接）
  # 最终导出为单个PMML文件
  

• 手动构建PMML XML结构（无需PMMLPipeline）
  如果不依赖工具库，可以直接编写PMML XML：

  • 在PMML的Model节点下添加Segmentation节点，设置segmentationType="independent"；
  • 每个Segment节点中分别嵌入RegressionModel和ClassificationModel，各自定义专属的MiningSchema（输入字段）和Output（输出字段）；
  • 确保所有输入字段都在DataDictionary中声明，输出字段使用唯一名称区分（比如regression_pred和classification_pred）。

加载性能优化要点 #

• 单个PMML文件只需一次IO读取和XML解析，相比加载两个独立文件，能直接减少IO和解析的双重开销；
• 可对PMML文件进行gzip压缩，进一步缩小文件体积，加快传输和加载速度；
• 选择支持批量解析模型段的PMML解析器，避免逐个模型解析的额外耗时。

关键注意事项 #

• 两个模型的输入字段需在DataDictionary中完整定义，避免字段缺失导致解析失败；
• 输出字段必须设置唯一标识，防止模型输出混淆；
• 导出后使用PMML规范验证工具检查文件合法性，确保符合PMML标准（比如PMML 4.4及以上版本）。

内容的提问来源于stack exchange，提问作者Daria