如何将自动编码器模型实现为PMML？

Question

假设我们有以下模型：

我的问题是（1）我们如何构建这样的模型并将其导出为 PMML 文件？ (2) PMML 能够编码这样的模型结构吗？ (3) PMML 中生成该模型中的 N 个输出节点所需的组件是什么？ 我知道对每个输出节点使用 不会给出预期的结果。

提前致谢。

Answer 1

回答您的问题：

(1) 我们如何构建这样的模型并将其导出为 PMML 文件？

您已经描绘了一个 (6, 3, 6) NN。它在架构上与 Scikit-Learn 的

MLPRegressor

类实现的内容相同。

您可以使用

MLPRegressor

模拟自动编码器；在当前情况下，您将定义一个具有单个隐藏层（包含三个神经元）的神经网络，并使用

X == y

:

对其进行训练

autoencoder = MLPRegressor(hidden_layer_sizes = (3, ))
autoencoder.fit(X, X)

(2) PMML 能够编码这样的模型结构吗？

PMML 能够使用

MLPRegressor

 模型元素表示成熟的 

NeuralNetwork 对象。因此，它还能够表示其“截断”变体，例如自动编码器。

这个想法是在转换过程中简单地忽略最后（即最右边）层。实际上，图中的 (6, 3, 6) NN 被截断为 (6, 3) NN。

SkLearn2PMML 包为此提供了

sklearn2pmml.neural_network.MLPTransformer

变压器。

(3) PMML 中生成此模型中的 N 个输出节点所需的组件是什么？

无需生成任何额外的东西。

截断的 (6, 3) 神经网络提供三个输出

y(0)

、

y(1)

和

y(2)

，然后您可以将其传递给其他变压器或模型。