如何让sklearn2pmml导出的PMML文件保留原始字段名？

问题出在你单独拟合StandardScaler后再放入Pipeline，导致模型未关联原始特征名称；同时嵌套使用PMMLPipeline和make_pmml_pipeline也干扰了特征名的传递。

以下是两种可行的修改方案：

方案一：直接用PMMLPipeline拟合带列名的DataFrame #

把StandardScaler放入PMMLPipeline后，直接用包含原始字段名的DataFrame拟合整个Pipeline，sklearn2pmml会自动提取DataFrame的列名作为PMML的字段名：

from sklearn2pmml import sklearn2pmml, PMMLPipeline
from sklearn.datasets import load_iris
from sklearn.preprocessing import StandardScaler
import pandas as pd

data = load_iris()
dfIris = pd.DataFrame(data=data.data, columns=data.feature_names)

# 构建PMMLPipeline并直接拟合DataFrame
pipe = PMMLPipeline([("StandardScaler", StandardScaler())])
pipe.fit(dfIris)

sklearn2pmml(pipeline=pipe, pmml="ssIris.pmml")

方案二：显式为PMMLPipeline指定特征名称 #

如果需要保留先单独拟合模型的流程，可以通过给PMMLPipeline设置feature_names参数，直接传入原始字段名列表：

from sklearn2pmml import sklearn2pmml, PMMLPipeline
from sklearn.datasets import load_iris
from sklearn.preprocessing import StandardScaler
import pandas as pd

data = load_iris()
dfIris = pd.DataFrame(data=data.data, columns=data.feature_names)

ssModel = StandardScaler()
ssModel.fit(dfIris)

# 构建Pipeline并显式设置特征名
pipe = PMMLPipeline([("StandardScaler", ssModel)])
pipe.feature_names = data.feature_names

sklearn2pmml(pipeline=pipe, pmml="ssIris.pmml")

修改后导出的PMML文件会显示sepal length (cm)等原始字段名，而非x1、x2这类默认命名。

内容的提问来源于stack exchange，提问作者dba