python - 如何将 sklearn 逻辑回归转换为 PMML 记分卡模型
问题描述
我正在尝试将 python 中的记分卡模型转换为PMML 记分卡模型。
我已经使用分级训练数据训练了 sklearn 逻辑回归。现在我有了经过训练的 LR 模型(或包含 LR 的管道)、包含分箱标签和 WOE 的分箱信息,以及预先建立的偏移量和因子。我可以将管道 sklearn2PMML 导入 PMML,但是如果我想要一个可以直接输出分数而不是概率的 PMML 记分卡模型怎么办?
有没有可能的方法来做到这一点?谢谢!
解决方案
应该可以开发一个库/工具,将二元分类类型RegressionModel
或GeneralRegressionModel
模型重组为回归类型Scorecard
模型;WOE 和流程的其他补充信息将使用外部设置/配置文件提供。
或者,您可以尝试对 LR 估计器类进行子类化,并将补充信息保留在那里。可以使用SkLearn2PMML-Plugin方法为自定义转换器和估计器类型扩展SkLearn2PMML包。
R2PMML包提供了一种将对象转换为对象的方法,然后可以将其转换为模型。glm
r2pmml::scorecard
Scorecard
推荐阅读
- excel - 使用 vlookup vba 代码在多行和多列中填充值
- php - 查找和获取 SQL 值只匹配多列 PHP
- magento - Magento 2 - 在核心文件功能中添加代码行
- c# - 有没有更好的方法来管理对 Reactive C# 中更改对象事件的单个订阅?
- twitter - 使用 egg_mode 连接 Twitter 流返回 401 Unauthorized
- airflow - 如何创建一些复杂的气流分支算子?
- jupyter - Jupyter Lab 扩展@jupyterlab/git 安装问题
- c# - 如何模拟 AbstractValidator
- c++ - 如何为自动售货机构建简单的变更制造商?
- python - HTTP 请求期间发生错误:HTTP 错误 404:未找到 GetOldTweets3