如何在PMML中表現預言性解決方案

PMML 簡介

現在，感應器正變得無處不在，從智能家用儀錶到諸如深水石油鑽井裝置和構築物的監控。為了使從 這些感應器收集的所有資料發揮作用，預言性分析呼喚開放的標準，這些標準考慮到了實現系統之間不受私人代碼和不相容 性阻礙進行暢通通訊的條件。PMML     是用於表現預言性分析或資料採礦模型的標準。通過 PMML，預言性解決 方案可以在一個系統上構建，然後部署到另一個位置快速地進行工作。

對於石油和化工行業，預言性維護指的是一 個應用程式，它能夠對從感應器採集的資料進行預先處理，然後將資料用於構建預言性解決方案，這些解決方案能夠在出現機 械故障之前發現問題。墨西哥灣漏油事件出現後，預言性分析和開放標準還能夠提供另一個保證安全性和處理可靠性的工具 。

作為表現預言性解決方案的事實標準，PMML 允許模型和資料轉換以同一個簡單的方法來表現。當用於表現構成一 個預言性解決方案的所有計算時，PMML     不僅是資料分析、模型構建和部署系統之間通訊的橋樑，而且還是 公司內部與分析過程相關的所有人員和團隊之間溝通的橋樑。這是極為重要的，因為它可用於傳播知識和最佳實務方法，同 時保證透明性。

預言性建模技術

這一節關注於具體的 PMML 元素所涉及的所有預言性建模技術。雖然每年都 有無數不同的技術出現，但是它們在成為標準之前需要被廣大的資料採礦社區參與者認同和採納。PMML 在 2009 年發布了 4.0 版本，它為以下的建模或統計技術規定了具體的元素：

關聯規則：AssociationModel 元素

叢集模型：ClusteringModel 元素

決策樹：TreeModel 元素

Na ve Bayes 分級器：Na veBayesModel 元素

神經網路：NeuralNetwork 元素

迴歸：RegressionModel 和 GeneralRegressionModel 元素

規則集：RuleSetModel 元素

序列：SequenceModel 元素

支援向量機器：SupportVectorMachineModel 元素

內容模型：TextModel 元素

時間序列：TimeSeriesModel 元素