python - 在Python中将XGBoost转换为PMML

我有以下数据框

train_x：

col1 col2 col3
1      4    89
0.4    1.6  14
100    678  970

train_y：

target
0
0
1

我想将xgboost模型转换为pmml，如下所示：

from sklearn2pmml import sklearn2pmml, PMMLPipeline
from sklearn_pandas import DataFrameMapper
from xgboost.sklearn import XGBClassifier
pipeline = PMMLPipeline([("mapper", DataFrameMapper([
                                    ([num_features,SimpleImputer(strategy='median')],
                                     [num_features,StandardScaler()],
                                     [cat_features,SimpleImputer(strategy='constant', fill_value='missing')],
                                     [cat_features,OneHotEncoder(sparse=False, handle_unknown='ignore')])
                                     ])),
                         ("classifier", XGBClassifier(**best_params,n_jobs=-1))
])

并适应管道

pipeline.fit(train_x, train_y)

但我得到下面的错误


  TypeError：_build_feature（）接受2到3个位置参数，但给出了4个**

最佳答案

该TypeError由DataFrameMapper.fit方法引发，因为您指定了无效的列到变压器映射。

您应该指定一个包含两个元素的元组（[(), ()]）的列表，但是现在您要提供一个单例列表，其中包含一个元组，其中包含四个列表（[([], [], [], [])]）。

关于python - 在Python中将XGBoost转换为PMML，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/56338625/