使用java调用python训练出的pmml模型
记录下自己的过程,以后可以随时用,如果能帮到大家就更好了。
从安装软件说起,嫌麻烦的就别看了。
一、下载工具(俗话说得好,预先善其事必先利其器!哈哈)
我刚开始安装的是eclipse,但有诸多麻烦不能解决,就用了IDEA,和Pycharm一个公司发行的。
首先进入官网: http://www.jetbrains.com/products.html#lang=java
选择IDEA下载:
由于社区版的功能太少,我下载的是企业版的,后边会告诉破解方法。
IDEA的安装教程网上都有,正常安装就好。
企业版的激活码大家可以关注一个公众号,我也是在网上找到的。
http://idea.medeming.com/
关注公众号后粘贴就行了。
二、Java环境安装
参考教程:https://blog.csdn.net/weixin_38381149/article/details/89668578
写博客时想找当时看的博客,但发现了这个很全的,jdk,maven,tomcat都有。
想当初我为了装一个maven花了好久。。。
三、新建Maven项目
File ==》New==》Project==》Maven
四、接下来在IDEA中配置Maven,这是当时参考的博客:https://www.cnblogs.com/jiangzhaowei/p/9534393.html
五、添加依赖
由于我只是为了调用模型,没有太多依赖,只添加了这么几个
<dependencies><dependency>
<groupId>org.jpmml</groupId>
<artifactId>pmml-evaluator</artifactId>
<version>1.4.1</version>
</dependency>
<dependency>
<groupId>org.jpmml</groupId>
<artifactId>pmml-evaluator-extension</artifactId>
<version>1.4.1</version>
</dependency>
<dependency>
<groupId>javax.xml.bind</groupId>
<artifactId>jaxb-api</artifactId>
<version>2.3.0</version>
</dependency>
<dependency>
<groupId>com.sun.xml.bind</groupId>
<artifactId>jaxb-core</artifactId>
<version>2.3.0</version>
</dependency>
<dependency>
<groupId>com.sun.xml.bind</groupId>
<artifactId>jaxb-impl</artifactId>
<version>2.3.0</version>
</dependency>
</dependencies>
六、java调用Python训练出的pmml模型的代码
import org.dmg.pmml.FieldName;import org.dmg.pmml.PMML;
import org.jpmml.evaluator.*;
import org.jpmml.model.PMMLUtil;
import org.xml.sax.SAXException;
import javax.xml.bind.JAXBException;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.IOException;
import java.io.InputStream;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
public class ClassificationModel {
private Evaluator modelEvaluator;
/**
* 通过传入 PMML 文件路径来生成机器学习模型
*
* @param pmmlFileName pmml 文件路径
*/
public ClassificationModel(String pmmlFileName) {
PMML pmml = null;
try {
if (pmmlFileName != null) {
InputStream is = new FileInputStream(pmmlFileName);
pmml = PMMLUtil.unmarshal(is);
try {
is.close();
} catch (IOException e) {
System.out.println("InputStream close error!");
}
ModelEvaluatorFactory modelEvaluatorFactory = ModelEvaluatorFactory.newInstance();
this.modelEvaluator = (Evaluator) modelEvaluatorFactory.newModelEvaluator(pmml);
modelEvaluator.verify();
System.out.println("加载模型成功!");
}
} catch (SAXException e) {
e.printStackTrace();
} catch (JAXBException e) {
e.printStackTrace();
} catch (FileNotFoundException e) {
e.printStackTrace();
}
}
// 获取模型需要的特征名称
public List<String> getFeatureNames() {
List<String> featureNames = new ArrayList<String>();
List<InputField> inputFields = modelEvaluator.getInputFields();
for (InputField inputField : inputFields) {
featureNames.add(inputField.getName().toString());
}
return featureNames;
}
// 获取目标字段名称
public String getTargetName() {
return modelEvaluator.getTargetFields().get(0).getName().toString();
}
// 使用模型生成概率分布
private ProbabilityDistribution getProbabilityDistribution(Map<FieldName, ?> arguments) {
Map<FieldName, ?> evaluateResult = modelEvaluator.evaluate(arguments);
FieldName fieldName = new FieldName(getTargetName());
return (ProbabilityDistribution) evaluateResult.get(fieldName);
}
// 预测不同分类的概率
public ValueMap<String, Number> predictProba(Map<FieldName, Number> arguments) {
ProbabilityDistribution probabilityDistribution = getProbabilityDistribution(arguments);
return probabilityDistribution.getValues();
}
// 预测结果分类
public Object predict(Map<FieldName, ?> arguments) {
ProbabilityDistribution probabilityDistribution = getProbabilityDistribution(arguments);
return probabilityDistribution.getPrediction();
}
public static void main(String[] args) {
ClassificationModel clf = new ClassificationModel("D:/JupyterSpace/RandomForestClassifier_Iris.pmml"); //这里模型地址
List<String> featureNames = clf.getFeatureNames();
System.out.println("feature: " + featureNames);
// 构建待预测数据
Map<FieldName, Number> waitPreSample = new HashMap<>();
#这里的key一定要对应python中的列名waitPreSample.put(new FieldName("sepal length (cm)"), 10);
waitPreSample.put(new FieldName("sepal width (cm)"), 1);
waitPreSample.put(new FieldName("petal length (cm)"), 3);
waitPreSample.put(new FieldName("petal width (cm)"), 2);
System.out.println("waitPreSample predict result: " + clf.predict(waitPreSample).toString());
System.out.println("waitPreSample predictProba result: " + clf.predictProba(waitPreSample).toString());
}
}
注意事项:
1、类名和文件名要一致
2、打开File ==》Project Structure
看你的JDK版本和这里是否一致
运行程序,查看是否报错。
这是我报的一个错:
解决方法是下载:activation.jar包。
下载地址:
链接:https://pan.baidu.com/s/14D8cQWIJp2d7h2iljAPZ2A
提取码:6f37
应该没什么问题了。有问题请留言,一定回复。(有问题一定要告诉我,以后还要用呢。。。)
以上是 使用java调用python训练出的pmml模型 的全部内容, 来源链接: utcz.com/z/392343.html