如何从JPMML模型的InputField获取实际字段名？解决x{#}映射问题

我明白你遇到的困扰——明明训练时用了有意义的列名，结果在Java端调用时拿到的却是x0、x1这种混淆后的名称，没法和原始特征对应上。这个问题的核心是训练数据丢失了列名信息，导致sklearn2pmml生成PMML时只能用默认的占位符名称。下面给你分步解决：

一、问题根源 #

你在Python代码里用了as_matrix()把DataFrame转成了numpy数组，而numpy数组是没有列名元数据的。哪怕你后来设置了pipe.active_fields，但因为模型训练时用的是无列名的数组，sklearn2pmml没法把原始列名正确写入PMML文件，只能生成x0、x1这类默认名称。

二、最优解决方案：重新生成带原始列名的PMML #

最直接的方法是修改Python代码，保留训练数据的列名信息，让sklearn2pmml自动把原始列名写入PMML：

修改后的Python代码 #

from sklearn2pmml import PMMLPipeline
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier

# 读取数据
data = pd.read_csv('/pydata/training.csv')
# 直接使用DataFrame保存特征列，不要转成numpy数组（保留列名）
X = data[data.columns[:-1]]
y = data['classname']

# 拆分数据集，X_train依然是带列名的DataFrame
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)

# 构建PMMLPipeline，直接传入带列名的特征数据
pipe = PMMLPipeline([
    ("classifier", RandomForestClassifier(n_jobs=5, n_estimators=200, max_features='auto'))
])

# 用带列名的DataFrame训练模型
pipe.fit(X_train, y_train)

# 生成PMML，此时原始列名会被自动写入模型文件
sklearn2pmml(pipe, "/pydata/model.pmml", with_repr=True)

对应的Java代码调整 #

重新生成PMML后，Java端就能直接获取原始特征名了，不需要额外映射：

Map<FieldName, FieldValue> arguments = new LinkedHashMap<>();
for (InputField inField : patternEvaluator.getInputFields()) {
    // 这里直接拿到原始列名
    String originalFeatureName = inField.getName().getValue();
    int value = activeFeatures.contains(originalFeatureName) ? 1 : 0;
    FieldValue inputFieldValue = inField.prepare(value);
    arguments.put(inField.getName(), inputFieldValue);
}
Map<FieldName, ?> results = patternEvaluator.evaluate(arguments);

三、补救方案：已生成PMML的映射处理 #

如果没法重新生成PMML，你可以在Python端提前保存特征名和x{#}的映射关系，Java端加载这个映射表来转换：

1. Python端保存映射文件 #

在生成PMML时，添加代码保存特征名顺序（因为x0对应第一列，x1对应第二列，以此类推）：

# 在sklearn2pmml之前执行
feature_names = data.columns[:-1].tolist()
# 保存映射关系为JSON文件
import json
with open('/pydata/feature_mapping.json', 'w') as f:
    json.dump({f"x{i}": name for i, name in enumerate(feature_names)}, f)

2. Java端加载映射表 #

读取JSON文件，把x{#}转换成原始特征名：

// 先加载映射表（这里用Jackson示例，你可以用自己熟悉的JSON库）
ObjectMapper mapper = new ObjectMapper();
Map<String, String> featureMapping = mapper.readValue(
    new File("/pydata/feature_mapping.json"),
    new TypeReference<Map<String, String>>() {}
);

// 处理InputField
Map<FieldName, FieldValue> arguments = new LinkedHashMap<>();
for (InputField inField : patternEvaluator.getInputFields()) {
    String rawName = inField.getName().getValue();
    // 映射回原始特征名
    String originalFeatureName = featureMapping.get(rawName);
    int value = activeFeatures.contains(originalFeatureName) ? 1 : 0;
    FieldValue inputFieldValue = inField.prepare(value);
    arguments.put(inField.getName(), inputFieldValue);
}
Map<FieldName, ?> results = patternEvaluator.evaluate(arguments);

内容的提问来源于stack exchange，提问作者webber