PMML，全称为PredictiveModelMarkupLanguage，是一种标准化的模型描述和交换格式。它允许从不同的数据挖掘和机器学习软件中导出模型，并在其他系统中进行部署，无需重新编写代码。PMML通过定义一套统一的规则来描述模型，包括数据预处理、模型参数以及输入输出格式等。目前PMML已支持包括逻辑回归、树模型、神经网络（目前多用ONNX部署）等多种常见的数据挖掘和机器学习模型。 在信贷风控领域，PMML被广泛使用来部署信用评分模型，并将其集成到线下和线上的贷款申请审核流程中。本文将探讨如何利用IntelliJIDEA和Maven搭建一个简单的PMML测试环境。通过这个环境，我们可...

在机器学习的生产环境中，我们经常需要将多个模型的预测结果进行融合，以便提高预测的准确性。这个过程通常涉及到多个模型子分的简单逻辑回归融合。虽然离线训练时我们可以直接使用sklearn的逻辑回归进行训练和调参，但在生产环境中，模型的上线往往需要使用PMML（PredictiveModelMarkupLanguage）格式。PMML不仅能够在一个文件中完成多个模型的融合，还可以输出融合后的Sigmoid打分，极大地方便了生产环境中的模型管理和使用。 使用PMML的Segmentation功能进行模型融合 通过阅读PMML文档，我们发现可以利用其Segmentation功能来实现模型的融合。在PMM...