如何使用 Java 调取 Python、R 的训练模型?

在工业界，我们经常会使用 Python 或 R 来训练离线模型， 使用 Java 来做在线 Web 开发应用——这就涉及到了使用 Java 跨语言来调用 Python 或 R 训练的模型。

PMML

PMML 是 Predictive Model Markup Language 的缩写，翻译为中文就是“预测模型标记语言”。它是一种基于XML的标准语言，用于表达数据挖掘模型，可以用来在不同的应用程序中交换模型。

也就是说它定义了一个标准，不同语言都可以根据这个标准来实现。关于 PMML 内部的实现原理细节，我们这里不做深究，感兴趣的可以参见：http://dmg.org/pmml/v4-3/GeneralStructure.html。

PMML 能做什么

介绍完了 PMML 的概念后，大家可能还是很懵，不清楚它有什么用。先来相对正式地说下它的用处：对于 PMML，使用一个应用程序很容易在一个系统上开发模型，并且只需通过发送XML配置文件就可以在另一个系统上使用另一个应用程序部署模型。也就是说我们可以通过 Python 或 R 训练模型，将模型转为 PMML 文件，再使用 Java 根据 PMML 文件来构建 Java 程序。

来看一张关于 PMML 用途的图片：

这张图的信息来一一说明下：

• 整个流程分为两部分：离线和在线。
• 离线部分流程是将样本进行特征工程，然后进行训练、生成模型。一般离线部分常用 Python 中的 sklearn、R 或者 Spark ML 来训练模型。
• 在线部分是根据请求得到样本数据，对这些数据采用与离线特征工程一样的方式来处理，然后使用模型进行评估。一般在线部分常用 Java、C++ 来开发。
• 离线部分与在线部分是通过 PMML 连接的，也就是说离线训练好了模型之后，将模型导出为 PMML 文件，在线部分加载该 PMML 文件生成对应的评估模型。

我们可以看到，PMML 是连接离线与在线环节的关键，一般导出 PMML 文件和加载 PMML 文件都需要各个语言来做单独的实现。不过幸运的是，已经有很多大神实现了这些，可以参见：https://github.com/jpmml 。

实战环节

训练并导出 PMML

我们这里仍然是通过 sklearn 训练一个随机森林模型，我们需要借助 sklearn2pmml 将 sklearn 训练的模型导出为 PMML 文件。如果没有 sklearn2pmml，请输入以下命令来安装：

pip install --user git+https://github.com/jpmml/sklearn2pmml.git

我们来看下如何使用 sklearn2pmml 。

from sklearn.datasets import load_iris

from sklearn.ensemble import RandomForestClassifier

from sklearn2pmml import PMMLPipeline, sklearn2pmml

iris = load_iris()

# 创建带有特征名称的 DataFrame

iris_df = pd.DataFrame(iris.data, columns=iris.feature_names)

# 创建模型管道

iris_pipeline = PMMLPipeline([

("classifier", RandomForestClassifier())

])

# 训练模型

iris_pipeline.fit(iris_df, iris.target)

# 导出模型到 RandomForestClassifier_Iris.pmml 文件

sklearn2pmml(iris_pipeline, "RandomForestClassifier_Iris.pmml")

导出成功后，我们将在当前路径看到一个 PMML 文件：RandomForestClassifier_Iris.pmml。

导入 PMML 并进行评估

生成了 PMML 文件后，接下来我们要做的就是使用 Java 导入（加载）PMML文件。这里借助了 Java 的第三方依赖：pmml-evaluator。我们需要在 pom.xml 文件中加入以下依赖：

<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>

引入 PMML 文件并进行评估的代码如下：

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("RandomForestClassifier_Iris.pmml");

List<String> featureNames = clf.getFeatureNames();

System.out.println("feature: " + featureNames);

// 构建待预测数据

Map<FieldName, Number> waitPreSample = new HashMap<>();

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());

}

}

输出结果：

加载模型成功！

feature: [sepal length (cm), petal width (cm), sepal width (cm), petal length (cm)]

waitPreSample predict result: 1

waitPreSample predictProba result: {0=0.0, 1=0.5, 2=0.5}

可以看到，模型需要的特征为：[sepal length (cm), petal width (cm), sepal width (cm), petal length (cm)]，预测该样本最终属于目标编号为 1 的类型，预测该样本属于不同目标编号的概率分布，{0=0.0, 1=0.5, 2=0.5}。

小结

为了实现 Java 跨语言调用 Python/R 训练好的模型，我们借助 PMML 的规范，将模型固化为 PMML 文件，再使用该文件生成模型来评估。

作者：1or0，专注于机器学习研究。

声明：本文为公众号 AI派 投稿，版权归对方所有。

“征稿啦！”

CSDN 公众号秉持着「与千万技术人共成长」理念，不仅以「极客头条」、「畅言」栏目在第一时间以技术人的独特视角描述技术人关心的行业焦点事件，更有「技术头条」专栏，深度解读行业内的热门技术与场景应用，让所有的开发者紧跟技术潮流，保持警醒的技术嗅觉，对行业趋势、技术有更为全面的认知。

如果你有优质的文章，或是行业热点事件、技术趋势的真知灼见，或是深度的应用实践、场景方案等的新见解，欢迎联系 CSDN 投稿，联系方式：微信（guorui_1118，请备注投稿+姓名+公司职位），邮箱（guorui@csdn.net）。