sklearn2pmml PMMLPipeline中的自定义函数

Question

我试图创建一个机器学习模型，根据中风患者对各种问卷和评估的反应，提出治疗建议。例如，患者将被要求评估手指、肘部、肩部和胸肌的僵硬程度(每个评分在0到100之间)，或者回答14个与心理健康有关的问题(每个问题的评分为0到3)。

我想创建一个滑雪板管道，大致如下：

1.对病人的反应进行聚合。例如，四个刚度响应应平均为一个单一的“刚度”值，而14个心理健康问题应被归结为一个单一的“心理健康”值。然后，“刚性”和“心理健康”值将成为模型的特征。

2.在对特征进行聚类处理后，对标记数据进行决策树分类器训练，使每个患者接受适当的治疗。

3.将经过训练的管道作为pmml文件出口生产。

我假设这样的代码一定是可以做到的：

from sklearn2pmml.pipeline import PMMLPipeline

from sklearn2pmml import sklearn2pmml

from sklearn.tree import DecisionTreeClassifier

from somewhere import Something

pipeline = PMMLPipeline([
    ("input_aggregation", Something()),
    ("classifier", DecisionTreeClassifier())
])

pipeline.fit(patient_input, therapy_labels)
 
sklearn2pmml(pipeline, "ClassificationPipeline.pmml", with_repr = True)

我一直在浏览文档，我可以想出如何将PCA应用于一组列，但并不能像通过求和或平均来折叠一组列那样简单。有人知道我该怎么做吗？

谢谢你的帮助。

Answer 1

样本代码：

from sklearn_pandas import DataFrameMapper
from sklearn2pmml.preprocessing import Aggregator

pipeline = PMMLPipeline([
  ("mapper", DataFrameMapper([
    (["stiffness_1", "stiffness_2", "stiffness_3", "stiffness_4"], Aggregator(function = "mean")),
    (["mental_health_1", "mental_health2", .., "mental_health_14"], Aggregator(function = "sum"))
  ])),
  ("classifier", DecisionTreeClassifier())
])
pipeline.fit(X, y)

说明--您可以使用sklearn_pandas.DataFrameMapper定义列组，并对其应用转换。对于向PMML工作的转换，您需要提供一个转换器类，而不是直接函数。也许所有的转换需求都是由sklearn2pmml.preprocessing.Aggregator转换器类处理的。如果没有，您可以定义自己的。

虽然@makis提供了一个100%有效的Python示例，但它在Python到PMML的情况下不能工作，因为转换器无法解析/处理自定义Python函数。

Answer 2

您只需定义一个自定义函数并在Pipeline**.**中使用它即可。

以下是完整的代码：

from sklearn.preprocessing import FunctionTransformer
import numpy as np
from sklearn2pmml import make_pmml_pipeline

# fake data with 7 columns
X = np.random.rand(10,7)

n_rows = X.shape[0]

def custom_function(X):
    #averiging 4 first columns, sums the others, column-wise
    return np.concatenate([np.mean(X[:,0:5],axis = 1).reshape(n_rows,1), np.sum(X[:,5:],axis=1).reshape(n_rows,1)],axis = 1)

# Now, if you run: `custom_function(X)` it should return an array (10,2).

pipeline = make_pmml_pipeline(
FunctionTransformer(custom_function),
    )