如何在sklearn2pmml的PMMLPipeline中实现predict_proba后线性变换？

方案一：使用sklearn兼容的自定义Transformer（无需修改PMML） #

sklearn2pmml要求Pipeline中的每个步骤必须是sklearn兼容的Estimator/Transformer，不能直接传入普通函数。我们可以用sklearn.preprocessing.FunctionTransformer把后处理函数包装成符合要求的Transformer，同时配置PMMLPipeline让模型输出概率而非类别。

修改后的完整代码 #

from sklearn.datasets import make_classification
from sklearn.tree import DecisionTreeClassifier
from sklearn.preprocessing import FunctionTransformer
import pandas as pd
import numpy as np
from sklearn2pmml.pipeline import PMMLPipeline
from sklearn2pmml import sklearn2pmml

BIRTHDAY_SEED = 1995
nrows, cols = 1000, 5
X, y = make_classification(n_samples=nrows, n_features=cols, n_informative=2, n_redundant=3, n_classes=2, shuffle=True, random_state=BIRTHDAY_SEED)
X, y = pd.DataFrame(X), pd.Series(y)

# 训练模型
model = DecisionTreeClassifier(random_state=BIRTHDAY_SEED)
model.fit(X, y)

# 定义后处理函数，适配Transformer输入（接收二维概率数组）
def postprocess_linear_transformation(probabilities):
    # 取类别0的概率，执行线性变换：a*p + b（a=1000，b=100）
    return probabilities[:, 0] * 1000 + 100

# 用FunctionTransformer包装后处理函数，关闭输入验证以适配概率数组格式
postprocessor = FunctionTransformer(postprocess_linear_transformation, validate=False)

# 构建PMMLPipeline
pmml_pipeline = PMMLPipeline([
    ('classifier', model),
    ('postprocessing', postprocessor)
])

# 关键配置：指定模型输出类别0的概率，作为后处理步骤的输入，最终输出变换结果
pmml_pipeline.configure(target_fields=["probability(0)"], pmml_outputs=["postprocessing"])

# 导出包含后处理逻辑的PMML
sklearn2pmml(pmml_pipeline, "scaled_probability_pipeline.pmml", with_repr=True)

说明 #

• FunctionTransformer将普通函数转换为sklearn兼容的Transformer，确保能被PMMLPipeline识别。
• pmml_pipeline.configure(...)明确了数据流向：先让模型输出类别0的概率，再传递给后处理步骤生成最终结果。
• 导出的PMML可直接在任何PMML兼容引擎中执行，无需额外处理。

方案二：生成基础PMML后修改XML（适合复杂自定义逻辑） #

如果方案一无法满足需求，可以先生成仅包含模型的PMML，再手动修改XML添加线性变换逻辑。

步骤 #

1. 导出仅含模型的基础PMML：

pmml_pipeline = PMMLPipeline([('classifier', model)])
sklearn2pmml(pmml_pipeline, "base_model.pmml", with_repr=True)

2. 打开base_model.pmml，找到或添加Output节点，插入线性变换定义：

<Output>
  <!-- 保留原概率输出（可选） -->
  <OutputField name="probability(0)" optype="continuous" dataType="double" feature="probability" value="0"/>
  <!-- 添加线性变换后的输出字段 -->
  <OutputField name="scaled_probability(0)" optype="continuous" dataType="double">
    <Apply function="+">
      <Apply function="*">
        <FieldRef field="probability(0)"/>
        <Constant dataType="double">1000</Constant>
      </Apply>
      <Constant dataType="double">100</Constant>
    </Apply>
  </OutputField>
</Output>

3. 保存修改后的XML即可，PMML引擎会自动执行该线性变换并输出结果。

内容的提问来源于stack exchange，提问作者Tom