Редактирование: PMML

'''Язык разметки для прогнозного моделирования''' ('''Predictive Model Markup Language — PMML''') является [[Язык разметки|языком разметки]] на основе [[XML]], разработанным Data Mining Group (DMG), и обеспечивающим приложениям способ определения моделей, относящихся к [[Прогнозная аналитика|прогнозной аналитике]] и [[Data Mining|анализу данных]], а также обмен такими моделями между PMML-совместимыми приложениями.

PMML предоставляет приложениям независимый от производителей метод определения модели, поэтому проприетарные проблемы и несовместимости больше не являются препятствием для обмена моделями между приложениями. Он позволяет пользователям разрабатывать модели в приложении одного производителя и использовать приложения других производителей для визуализации, анализа, оценки и иного использовани\ моделей. Ранее это было затруднено, но с PMML, обмен моделями между совместимыми приложениями упростился.

Поскольку PMML — это стандарт на основе XML, его спецификация представлена в форме языка описания [[XML Schema]].

== Компоненты PMML ==
PMML содержит интуитивно понятную структуру для описания модели анализа данных, будь то [[искусственная нейронная сеть]] или [[логистическая регрессия]].

Её можно описать следующей последовательностью компонент:<ref>A. Guazzelli, M. Zeller, W. Chen, and G. Williams. [http://journal.r-project.org/2009-1/RJournal_2009-1_Guazzelli+et+al.pdf PMML: An Open Standard for Sharing Models]. ''The R Journal'', Volume 1/1, May 2009.</ref><ref>A. Guazzelli, W. Lin, T. Jena (2010). [http://www.amazon.com/dp/1452858268 PMML in Action: Unleashing the Power of Open Standards for Data Mining and Predictive Analytics]. CreateSpace.</ref>

* '''Заголовок (Header)''': содержит общую информацию о документе PMML, например, информацию об авторском праве на модель, её описание, информацию о приложении, использованном для создания модели, например его название и версию. Он также содержит атрибут для временной метки, используемый для определения даты создания модели.
* '''Словарь данных (Data Dictionary)''': содержит определения всех возможных полей, используемых в модели. Именно здесь поле определяется как непрерывное, категориальное, или порядковое (атрибут optype). В зависимости от этого определения затем определяются соответствующие диапазоны значений, а также тип данных (например, строка или тип с двойной точностью).
* '''Преобразования данных (Data Transformations)''': преобразования позволяют отобразить пользовательские данные в требуемой форме для использования модели интеллектуального анализа данных. PMML определяет несколько видов простых преобразований данных.
** Нормализация (Normalization): отображает значения в числа, вход может быть непрерывным или дискретным.
** Дискретизация (Discretization): отображает непрерывные значения в дискретные значения.
** Отображение значений (Value mapping): отображает дискретные значения в дискретные значения.
** Функции (Functions): вычисляет значения путём применения функции к одному или нескольким параметрам.
** Агрегация (Aggregation): используется для суммирования или сборки группы значений.
* '''Модель (Model)''': содержит определение модели интеллектуального анализа данных. Многослойная [[искусственная нейронная сеть]] [[feedforward neural network|прямого распространения]] является наиболее распространенным представлением нейронных сетей в современных приложениях, учитывая популярность и эффективность, связанные с её алгоритмом обучения, известным как [[метод обратного распространения ошибки]]. Такая сеть представлен в PMML элементом «NeuralNetwork», содержащим следующие атрибуты:
** Название модели (атрибут modelName)
** Название функции (атрибут functionName)
** Название алгоритма (атрибут algorithmName)
** Функция активации (атрибут activationFunction)
** Количество слоев (атрибут numberOfLayers)
За этой информацией следуют три вида нейронных слоев, которые определяют архитектуру модели нейронной сети, представленной документом PMML. Это атрибуты NeuralInputs, NeuralLayer и NeuralOutputs. Помимо нейронных сетей, PMML позволяет представлять многие другие модели интеллектуального анализа данных, включая [[метод опорных векторов]], [[Assotiation rules|ассоциативные правила]], [[наивный байесовский классификатор]], модели кластеризации, текстовые модели, [[Дерево принятия решений|деревья принятия решений]], а также различные регрессионные модели.

* '''Схема анализа (Mining Schema)''': схема интеллектуального анализа данных содержит список всех полей, используемых в модели. Это может быть подмножество полей, определенное в словаре данных. Она содержит конкретные сведения о каждом поле, такие как:
** Название (атрибут name): должно ссылаться на поле в словаре данных
** Тип использования (атрибут usageType): определяет способ использования поля в модели. Стандартные значения: активное, прогнозируемое, и дополнительное. Прогнозируемыми являются те поля, значения которых прогнозируются моделью.
** Обработка выбросов (атрибут outliers): определяет используемый способ обработки выбросов. В PMML выбросы можно рассматривать как отсутствующие значения, как экстремальные значения (на основании определения верхних и нижних значений для той или иной области), или как есть.
** Правило замены отсусттвующих значений (атрибут missingValueReplacement): если этот атрибут указан, то отсутствующее значение автоматически заменяется заданным значением.
** Обработка отсутствующего значения (атрибут missingValueTreatment): показывает, чем заменяется отсутствующее значение (например, значением, средним или медианой).
* '''Цели (Targets)''': позволяют пост-обработку прогнозируемого значения в формате масштабирования, если выход модели непрерывен. Цели могут быть также использованы для задач классификации. В этом случае атрибут priorProbability указывает вероятности по умолчанию для соответствующей категории цели. Он используется, если логика прогнозирования не производит результат сама по себе. Это может произойти, например, если входное значение отсутствует, и нет другого способа определить недостающие значения.
* '''Выход (Output)''': этот элемент может быть использован, чтобы указать все требуемые поля вывода, ожидаемые от модели. Это особенности прогнозируемого поля а также обычно само прогнозируемое значение, вероятность, близость к кластеру (для моделей кластеризации), стандартная ошибка и т. д.

== PMML 4.0 ==
Последняя версия PMML, 4.0, была выпущена 16 июня 2009.<ref>[http://www.dmg.org/v4-0/Changes.html Data Mining Group website | PMML 4.0 — Changes from PMML 3.2]</ref><ref>[http://adapasupport.zementis.com/2009/06/pmml-40-is-here.html Zementis website | PMML 4.0 is here!]</ref><ref>R. Pechter. [http://www.sigkdd.org/explorations/issues/11-1-2009-07/p3V11n1.pdf What’s PMML and What’s New in PMML 4.0?] ''The ACM SIGKDD Explorations Newsletter'', Volume 11/1, July 2009.</ref>

Среди новых возможностей:

* '''Улучшенные возможности препроцессинга''': Дополнения к встроенным функциям включают в себя спектр операций [[Алгебра логики|алгебры логики]] и [[Оператор ветвления|операторов ветвления]].
* '''Модели [[Временной ряд|временных рядов]]''': Новые экспоненциальные модели [[Smoothing|сглаживания]]; а также точки интеграции [[ARIMA]], [[Seasonal adjustment|Seasonal Trend Decomposition]] и [[Spectral Analysis]], планируемых к включению в ближайшее время.
* '''Пояснение модели''': Сохранение показателей оценки и эффективности модели в самом файле PMML.
* '''Множественные модели''': Возможности для композиции моделей, ансамблей, и сегментации (например, объединение [[Регрессионный анализ|регрессионного анализа]] и деревьев решений).
* '''Расширение существующих элементов''': Добавление [[multi-class classification|многоклассовой классификации]] для [[Метод опорных векторов|метода опорных векторов]], улучшенное представление [[Association rule|ассоциативных правил]], и включение [[Proportional hazards models|моделей пропорциональных рисков]].

== История выпусков ==
{| cellspacing="1" cellpadding="1" border="0" width="250"
|- 
|Версия 0.7||July 1997
|- 
|Версия 0.9||July 1998
|- 
|Версия 1.0||August 1999
|- 
|Версия 1.1||August 2000
|- 
|Версия 2.0||August 2001
|- 
|Версия 2.1||March 2003
|- 
|Версия 3.0||October 2004
|- 
|Версия 3.1||December 2005
|- 
|Версия 3.2||May 2007
|- 
|Версия 4.0||June 2009
|}

== Продукты, поддерживающие PMML ==
Спектр программных продуктов, предлагаемых для создания и использования PMML:

* '''[http://angoss.com/analytics_software/KnowledgeSTUDIO.php Angoss KnowledgeSTUDIO]''': создает PMML 3.2 для регрессионных моделей (логистических и линейных), деревьев решений, [[Кластерный анализ|кластерного анализа]], [[Искусственная нейронная сеть|нейронных сетей]] и моделей на основе набора правил (используется для представления показателей).
* '''[http://angoss.com/analytics_software/KnowledgeSEEKER.php Angoss KnowledgeSEEKER]''': создает PMML 3.2 для деревьев решений.
* '''[http://angoss.com/analytics_software/StrategyBUILDER.php Angoss StrategyBuilder (модуль расширения для KnowledgeSEEKER и KnowledgeSTUDIO)]''': создает PMML 3.2 для деревьев решений (используется для представления деревьев стратегии).
* '''[http://www-306.ibm.com/software/data/db2/warehouse/ IBM InfoSphere Warehouse]''': создает PMML 3.0 и 3.1 только для последовательностей моделей. Принимает (оценивает и визуализирует) PMML 3.1 и младше.
* '''[http://www.spss.com/software/modeler/ IBM SPSS Modeler]''': создает и оценивает PMML 3.2 и 4.0 для различных моделей.
* '''[http://www.spss.com/software/statistics/ IBM SPSS Statistics]''': создает PMML 3.2 и 4.0 для различных моделей.
* '''[http://www.knime.com/ KNIME]''': создает и принимает PMML 4.0 для [[Искусственная нейронная сеть|нейронных сетей]], деревьев решений, моделей кластеризации, регрессионных моделей, и [[Метод опорных векторов|метода опорных векторов]]. Начиная с версии 2.4.0, KNIME предлагает расширенную поддержку предварительной обработки PMML, включая возможность правки существующего кода PMML.
* '''[http://www.kxen.com/ KXEN]''': создает PMML 3.2 для регрессионных моделей (том числе моделей интеллектуального анализа данных) и [[Кластерный анализ|кластерного анализа]].
* '''[http://www.microsoft.com/sqlserver/2008/en/us/analysis-services.aspx Microsoft SQL Server 2008 Analysis Services]''': создает и принимает PMML 2.1 для деревьев решений и [[Кластерный анализ|кластерного анализа]].
* '''[http://www.microstrategy.com/Software/Products/Service_Modules/DataMining_Services/index.asp MicroStrategy]''': поддерживает PMML 2.0, 2.1, 3.0, 3.1, 3.2 и 4.0 для [[linear regression|линейной регрессии]], [[Логистическая регрессия|логистической регрессии]], деревьев решений, [[Кластерный анализ|кластерного анализа]], [[Association rule|ассоциативных правил]], [[Временной ряд|временных рядов]], [[Искусственная нейронная сеть|нейронных сетей]] и [[Метод опорных векторов|метода опорных векторов]].
* '''[http://opendatagroup.com/open-source/augustus-scoring-engine/ Open Data Group’s Augustus]''': Создает PMML 4.0 для деревьев, наивного байесовского классификатора и моделей на основе набора правил. Принимает PMML 4.0 модели деревьев, наивного байесовского классификатора, на основе набора правил и регрессионные модели. Предыдущие версии создавали и принимали регрессионные модели, модели деревьев и наивного байесовского классификатора.
* '''[http://www.oracle.com/technetwork/database/options/odm/index.html Oracle Data Mining]''': поддерживает основные возможности PMML 3.1 для регрессионных моделей. Импортированные модели становятся моделями Oracle Data Mining (ODM), пригодными к выгрузке в Exadata.
* '''[http://www.pervasivedatarush.com Pervasive DataRush]''': создает и принимает PMML 3.2 для регрессионных моделей, деревьев решений и [[наивный байесовский классификатор|наивного байесовского классификатора]]. Создает PMML 3.2 для [[Association rule|ассоциативных правил]] и [[Кластерный анализ|кластерного анализа]] (K-means Center-Based).
* '''[http://www.predixionsoftware.com/predixion/PredixionProducts/PredixionPMMLConnexion.aspx Predixion PMML Connexion]''': принимает PMML 2.0, 2.1, 3.0, 3.1, 3.2, и 4.0 для нескольких моделей интеллектуального анализа данных, в том числе деревьев решений, моделей на основе набора правил, [[Метод опорных векторов|метода опорных векторов]], [[Искусственная нейронная сеть|нейронных сетей]], [[наивный байесовский классификатор|наивного байесовского классификатора]], линейной и [[Логистическая регрессия|логистической регрессии]] а также [[Кластерный анализ|кластерного анализа]].
* '''[http://rapidminer.com/ RapidMiner]''': Использует свободное расширение PMML, несколько типов моделей можно экспортировать в PMML.
* '''[http://rattle.togaware.com/ Rattle/R]''': Использует [[R (язык программирования)]] для построения нескольких прогнозных моделей. Предлагает пакет PMML для экспорта моделей на R в PMML 3.2. Пакет поддерживает экспорт моделей [[Метод опорных векторов|метода опорных векторов]], линейной регрессии, [[Логистическая регрессия|логистической регрессии]], деревьев решений, [[random forest|алгоритма случайного леса]], [[Искусственная нейронная сеть|нейронных сетей]], [[K-means|алгоритма к-средних]] и иерархической кластеризации, а также [[Association rule|ассоциативных правил]].
* '''[http://www.salford-systems.com/cart.php Salford-Systems CART]''': система деревьев решений, создающая PMML 3.1.
* '''[http://www.sand.com/options/pmml/ SAND CDBMS 6.1 PMML Extension]''': принимает PMML версий 3.1 и 3.2 для нескольких моделей интеллектуального анализа данных, включая модели [[Association rule|ассоциативных правил]], кластеризации, регрессии, [[Искусственная нейронная сеть|нейронных сетей]], [[наивный байесовский классификатор|наивного байесовского классификатора]], [[Метод опорных векторов|метода опорных векторов]], набора правил и деревьев решений. Также принимает элементы препроцессинга и встроенные функции.
* '''[http://www.sas.com/technologies/analytics/datamining/miner/ SAS Enterprise Miner]''': создает PMML 2.1 и 3.1 для нескольких моделей интеллектуального анализа данных, включая модели линейной регрессии, [[Логистическая регрессия|логистической регрессии]], деревьев решений, [[Искусственная нейронная сеть|нейронных сетей]], [[K-means|алгоритма к-средних]] и [[Association rule|ассоциативных правил]].
* ''' [http://www.statsoft.com STATISTICA]''': создает PMML 2.0 и 3.0 для анализа моделей линейной регрессии, [[Логистическая регрессия|логистической регрессии]], деревьев решений, [[Метод опорных векторов|метода опорных векторов]] и [[Искусственная нейронная сеть|нейронных сетей]]
* ''' [http://spotfire.tibco.com TIBCO Spotfire Miner 8.1]''': создает и принимает PMML 2.0 для регрессионных моделей, деревьев решений, [[Искусственная нейронная сеть|нейронных сетей]], [[Кластерный анализ|кластерного анализа]] и [[наивный байесовский классификатор|наивного байесовского классификатора]].
* ''' [http://www.teradata.com/ TERADATA Warehouse Miner 5.3.1]''': принимает от PMML 2.1 до 3.2 для регрессионных моделей, деревьев решений, [[Искусственная нейронная сеть|нейронных сетей]], [[Кластерный анализ|кластерного анализа]] и моделей интеллектуального анализа данных (регрессионного типа).
* ''' [http://www.pentaho.com/ Weka (Pentaho)]''': принимает PMML 3.2 для регрессионных моделей, деревьев решений, [[Искусственная нейронная сеть|нейронных сетей]], системы правил и [[Метод опорных векторов|метода опорных векторов]].
* '''[http://www.zementis.com Zementis ADAPA]''': пакетная и немедленная оценка PMML 2.0, 2.1, 3.0, 3.1, 3.2, и 4.0 для нескольких моделей интеллектуального анализа данных, включая модели деревьев решений, [[Association rule|ассоциативных правил]], [[Метод опорных векторов|метода опорных векторов]], [[Искусственная нейронная сеть|нейронных сетей]], [[наивный байесовский классификатор|наивного байесовского классификатора]], системы правил, линейной и[[Логистическая регрессия|логистической регрессии]], а также моделей регресии Кокса (Cox) и [[Кластерный анализ|кластерного анализа]]. ADAPA также принимает все элементы пред- и постобработки PMML, включая преобразования, встроенные функции, выходы и цели.
* '''[http://www.zementis.com/pmml.htm Zementis PMML Converter]''': проверяет, правит и преобразует файлы PMML версий 2.0, 2.1, 3.0, 3.1, 3.2, и 4.0.
* '''[http://www.zementis.com/in-DB-plugin.htm Zementis Universal PMML Plug-in]''': оценка в базе данных для PMML 2.0, 2.1, 3.0, 3.1, 3.2, и 4.0 для нескольких моделей интеллектуального анализа. Доступна в EMC Greenplum Database.

=== Генератор преобразований ===
PMML предлагает большой набор преобразований данных, в том числе отображение значений, нормализацию и дискретизацию. Он также предлагает несколько встроенных функций, а также арифметические и логические операции, которые могут быть объединены для представления сложных этапов предварительной обработки. С использованием [http://www.zementis.com/PMMLTransformations/PMMLTransformations.html Transformations Generator] можно графически создать преобразование и получить соответствующий код на PMML.

== Ссылки ==
{{примечания}}

== Ссылки ==
* [http://www.dmg.org/index.html Data Mining Group Home]
* [http://www.predictive-analytics.info/2009/04/pmml-data-pre-processing-primer.html Data Pre-processing in PMML and ADAPA — A Primer]
* [http://www.predictive-analytics.info/2009/04/how-do-i-use-pmml-converter.html Information on how to use the PMML Converter]
* [http://www.dmg.org/v3-2/GeneralStructure.html PMML 3.2 Specification]
* [http://www.dmg.org/v4-0/GeneralStructure.html PMML 4.0 Specification]
* [http://www.analyticbridge.com/group/pmml PMML Discussion Group — Analytic Bridge]
* [http://www.linkedin.com/groupRegistration?gid=2328634 PMML Interest Group — LinkedIn]
* [http://www.amazon.com/dp/1452858268 PMML in Action: A new (first) book on PMML — Available on Amazon.com]
* [http://www.ibm.com/developerworks/industry/library/ind-PMML1/ What is PMML? Explore the power of predictive analytics and open standards] — Статья на сайте IBM developerWorks.
* [http://www.ibm.com/developerworks/industry/library/ind-PMML2/ Representing predictive solutions in PMML: Move from raw data to predictions] — Статья на сайте IBM developerWorks.

[[Категория:Языки разметки]]