R训练Random Forest并转pmml

from https://blog.csdn.net/c1481118216/article/details/74202786

PMML

关于pmml 请查看博客：

http://blog.csdn.net/c1481118216/article/details/78411200

源码

github: https://github.com/liaotuo/R_RandomForest_pmml.git

R训练Random Forest

本次实例中，使用R 语言自带的数据集 iris 训练一个Random Forest模型，数据集将被分为两个样本（70%训练集，30%测试集）
R 语言脚本如下：

需要安装randomForest包： install.packages(“randomForest”)

# load library and data
library(randomForest)
data(iris)

# load data and divide(划分) into training set and sampling(训练集和测试集)
# 将数据分为两部分 70%训练集 30%测试集
ind <- sample(2,nrow(iris),replace=TRUE,prob=c(0.7,0.3))
trainData <- iris[ind==1,]
testData <- iris[ind==2,]

# train model
iris_rf <- randomForest(Species~.,data=trainData,ntree=100,proximity=TRUE)
table(predict(iris_rf),trainData$Species)

# visualize the model
print(iris_rf)
attributes(iris_rf)
plot(iris_rf)

模型转pmml保存

上面的代码我们生成了一个randomForest模型，现在需要把模型转换成PMML，需要用到的包有：XML PMML 需要提前安装，命令如下：

xml：install.packages(“XML”)
pmml: install.packages(“pmml”,dependencies=TRUE)
接下来执行脚本：

# convert model to pmml
iris_rf.pmml <- pmml(iris_rf,name="Iris Random Forest",data=iris_rf)

# save to file "iris_rf.pmml" in disk 路径自定义
saveXML(iris_rf.pmml,"D://iris_rf.pmml")

然后生成了一个pmml文件。

这样我们就成功转换成PMMl文件了