予測モデルマークアップ言語
予測モデルマークアップ言語
開発者ロバート・リー・グロスマン
最新リリース
2019年11月4.4 （2019年11月）
フォーマットの種類予測モデリング
延長XML

予測モデルマークアップ言語（PMML）は、当時イリノイ大学シカゴ校の国立データマイニングセンター所長であったロバート・リー・グロスマンによって考案された、 XMLベースの予測モデル交換フォーマットです。PMMLは、分析アプリケーションがデータマイニングや機械学習アルゴリズムによって生成された予測モデルを記述および交換するための手段を提供します。ロジスティック回帰やその他のフィードフォワードニューラルネットワークなどの一般的なモデルをサポートしています。バージョン0.9は1998年に公開されました[ 1 ]。 その後のバージョンは、データマイニンググループによって開発されました[ 2 ] 。

PMMLはXMLベースの標準であるため、仕様はXMLスキーマの形式で提供されます。PMML自体は成熟した標準であり、30以上の組織がPMMLをサポートする製品を発表しています。[ 3 ]

PMMLコンポーネント

PMMLファイルは以下のコンポーネントで記述できます: [ 4 ] [ 5 ]

  • ヘッダー: モデルの著作権情報、説明、モデルの生成に使用されたアプリケーションの名前やバージョンなどの情報など、PMMLドキュメントに関する一般的な情報が含まれます。また、モデルの作成日を特定するために使用できるタイムスタンプ属性も含まれます。
  • データディクショナリ: モデルで使用される可能性のあるすべてのフィールドの定義が含まれます。ここで、フィールドは連続型、カテゴリ型、または順序型（属性optype）として定義されます。この定義に応じて、適切な値の範囲とデータ型（文字列や倍精度浮動小数点数など）が定義されます。
  • データ変換：変換により、ユーザーデータをマイニングモデルで使用できるより適切な形式にマッピングできます。PMMLは、いくつかの種類の単純なデータ変換を定義します。
    • 正規化: 値を数値にマッピングします。入力は連続または離散になります。
    • 離散化: 連続値を離散値にマッピングします。
    • 値マッピング: 離散値を離散値にマッピングします。
    • 関数 (カスタムおよび組み込み): 1 つ以上のパラメーターに関数を適用して値を導出します。
    • 集計: 値のグループを要約または収集するために使用されます。
  • モデル: データマイニングモデルの定義が含まれます。例えば、多層フィードフォワードニューラルネットワークは、PMMLでは「NeuralNetwork」要素で表現され、次のような属性が含まれます。
    • モデル名（属性 modelName）
    • 関数名（属性functionName）
    • アルゴリズム名（属性algorithmName）
    • 活性化関数（属性 activationFunction）
    • レイヤー数（属性 numberOfLayers）
この情報に続いて、PMML文書で表現されるニューラルネットワークモデルのアーキテクチャを指定する3種類のニューラル層が続きます。これらの属性は、NeuralInputs、NeuralLayer、およびNeuralOutputsです。ニューラルネットワーク以外にも、PMMLではサポートベクターマシン、相関ルール、ナイーブベイズ分類器、クラスタリングモデル、テキストモデル、決定木、各種回帰モデルなど、様々な種類のモデルを表現できます。
  • マイニングスキーマ: モデルで使用されるすべてのフィールドのリスト。これは、データディクショナリで定義されているフィールドのサブセットになる場合があります。各フィールドに関する具体的な情報が含まれます。例えば、以下のような情報です。
    • 名前（属性名）: データ辞書内のフィールドを参照する必要があります
    • 使用タイプ（属性 usageType）：モデル内でのフィールドの使用方法を定義します。典型的な値は、active、predicted、supplementary です。予測フィールドとは、モデルによって値が予測されるフィールドです。
    • 外れ値処理（属性外れ値）：使用する外れ値処理を定義します。PMMLでは、外れ値は欠損値、極値（特定のフィールドの上限値と下限値の定義に基づく）、またはそのままの状態で処理できます。
    • 欠損値の置換ポリシー (属性 missingValueReplacement): この属性が指定されている場合、欠損値は指定された値に自動的に置き換えられます。
    • 欠損値の処理 (属性 missingValueTreatment): 欠損値の置換がどのように導出されたかを示します (例: 値、平均、中央値など)。
  • ターゲット: モデルの出力が連続的な場合、予測値をスケーリング形式で後処理できます。ターゲットは分類タスクにも使用できます。この場合、属性 priorProbability は、対応するターゲットカテゴリのデフォルトの確率を指定します。これは、予測ロジック自体が結果を生成しなかった場合に使用されます。これは、例えば、入力値が欠損しており、欠損値を処理する他の方法がない場合などに発生する可能性があります。
  • Output : この要素は、モデルから期待されるすべての出力フィールドに名前を付けるために使用できます。これらは予測フィールドの特徴であり、通常は予測値自体、確率、クラスター親和性（クラスタリングモデルの場合）、標準誤差などです。PMMLの最新リリースであるPMML 4.1では、Outputが拡張され、モデル出力の汎用的な後処理が可能になりました。PMML 4.1では、元々前処理のみに利用可能だったすべての組み込み関数とカスタム関数が、後処理にも利用できるようになりました。

PMML 4.0、4.1、4.2、4.3

PMML 4.0は2009年6月16日にリリースされました。[ 6 ] [ 7 ] [ 8 ]

新しい機能の例:

PMML 4.1は2011年12月31日にリリースされました。[ 9 ] [ 10 ]

含まれる新機能:

  • スコアカード、k-近傍法 ( KNN )、ベースライン モデルを表す新しいモデル要素。
  • 複数モデルの簡素化。PMML 4.1では、モデルのセグメンテーション、アンサンブル、チェーニングを同じ要素で表現します。
  • フィールド スコープとフィールド名の全体的な定義。
  • 各モデル要素について、モデルが本番環境への展開の準備ができているかどうかを識別する新しい属性。
  • 強化された後処理機能 (出力要素経由)。

PMML 4.2は2014年2月28日にリリースされました。[ 11 ] [ 12 ]

新しい機能は次のとおりです:

  • 変換: テキストマイニングを実装するための新しい要素
  • 正規表現を実装するための新しい組み込み関数: matches、concat、replace
  • 後処理のための簡素化された出力
  • スコアカードとナイーブベイズモデル要素の強化

PMML 4.3は2016年8月23日にリリースされました。[ 13 ] [ 14 ]

新しい機能は次のとおりです:

  • 新しいモデルタイプ:
    • ガウス過程
    • ベイジアンネットワーク
  • 新しい組み込み関数
  • 使用上の明確化
  • ドキュメントの改善

バージョン4.4は2019年11月にリリースされました。[ 15 ] [ 16 ]

リリース履歴

バージョン発売日
バージョン0.71997年7月
バージョン0.91998年7月
バージョン1.01999年8月
バージョン1.12000年8月
バージョン2.02001年8月
バージョン2.12003年3月
バージョン3.02004年10月
バージョン3.12005年12月
バージョン3.22007年5月
バージョン4.02009年6月
バージョン4.12011年12月
バージョン4.22014年2月
バージョン4.2.12015年3月
バージョン4.32016年8月
バージョン4.42019年11月

データマイニンググループ

データマイニンググループは、2008年に設立された非営利団体である計算科学研究センターによって運営されているコンソーシアムです。[ 17 ]データマイニンググループは、 PMMLを補完するPortable Format for Analytics（PFA）と呼ばれる標準も開発しました。

参照

参考文献

  1. ^ 「予測モデリングマークアップ言語を用いた複数の予測モデルの管理とマイニング」 ResearchGate . doi : 10.1016 /S0950-5849(99)00022-1 . 2015年12月21日閲覧。
  2. ^ 「データマイニンググループ」。2017年12月14日閲覧。DMGは、分析モデルの導入を簡素化する2つの補完的な標準であるPredictive Model Markup Language（PMML）とPortable Format for Analytics（PFA）を開発するワーキンググループを主催できることを誇りに思っています。
  3. ^ 「PMML Powered」 . Data Mining Group . 2017年12月14日閲覧。
  4. ^ A. Guazzelli、M. Zeller、W. Chen、G. Williams. PMML: モデル共有のためのオープンスタンダード. The R Journal、第1巻、2009年5月。
  5. ^ A. Guazzelli、W. Lin、T. Jena (2010). PMML in Action (第2版): データマイニングと予測分析におけるオープンスタンダードの力を引き出す. CreateSpace.
  6. ^データマイニンググループのウェブサイト | PMML 4.0 - PMML 3.2からの変更点2012年7月28日archive.today
  7. ^ “Zementisウェブサイト | PMML 4.0が登場！” 2011年10月3日時点のオリジナルよりアーカイブ。 2009年6月17日閲覧。
  8. ^ R. Pechter. PMMLとは何か、PMML 4.0の新機能は何か? ACM SIGKDD探究ニュースレター、第11巻第1号、2009年7月。
  9. ^データマイニンググループのウェブサイト | PMML 4.1 - PMML 4.0 からの変更点
  10. ^ Predictive Analytics Info ウェブサイト | PMML 4.1 が登場!
  11. ^データマイニンググループのウェブサイト | PMML 4.2 - PMML 4.1からの変更点2014年5月20日archive.today
  12. ^ Predictive Analytics Info ウェブサイト | PMML 4.2 が登場!
  13. ^データマイニンググループのウェブサイト | PMML 4.3 - PMML 4.2.1 からの変更点
  14. ^予測モデルマークアップ言語製品ウェブサイト | プロジェクト活動
  15. ^ 「データマイニンググループが予測モデルマークアップ言語v4.4をリリース」。2021年7月12日閲覧。
  16. ^ 「PMML 4.4.1 - 一般構造」 .データマイニンググループ. 2021年7月12日閲覧。
  17. ^ “2008 EO 990” . 2014 年10 月 16 日に取得。
「 https://en.wikipedia.org/w/index.php?title=Predictive_Model_Markup_Language&oldid=1335913484」から取得