如何用Spark-MLlib PMML文件中的精確列名替換DataField值？

Question

我使用Spark 2.1.0。

我一直在試圖將Spark-MLlib Linear Regression模型導出爲PMML文件。我也成功導出了PMML文件。但在該文件中，我看不到任何字段名稱。所有我能看到的是這樣的，

任何人都可以讓我知道什麼是這個原因？另外，請讓我知道如何獲得列名取代。

Answer 1

有兩種將Apache Spark模型導出爲PMML數據格式的方法。首先，在Spark ML抽象級別工作時，可以使用JPMML-SparkML庫。其次，當在Spark MLlib抽象層工作時，這裏看起來就是這種情況，那麼你可以使用內置的PMMLExportable特徵。

JPMML-SparkML通過DataFrame#schema()從Spark ML數據模式中檢索列名。不幸的是，Spark MLlib沒有這種選項，所以功能名稱「field_ {n}」和標籤名稱「target」只是虛擬的硬編碼名稱。

這是相當容易使用JPMML-Model庫重命名PMML文檔中的字段：

pmmlExportable.toPMML("/tmp/raw-pmml-file") 
org.dmg.pmml.PMML pmml = org.jpmml.model.JAXBUtil.unmarshal("/tmp/raw-pmml-file"); 
org.jpmml.model.visitors.FieldRenamer targetRenamer = new FieldRenamer(FieldName.create("target"), FieldRenamer.create("y")); 
targetRenamer.applyTo(pmml); 
org.jpmml.model.JAXBUtil.marshal(pmml, "/tmp/final-pmml-file"); 

如果名帥此PMML對象實例的一個PMML文件，然後就可以看到該字段「目標」（及其所有參考文獻）已重新命名爲「y」。使用功能重複該過程。