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	4.4 2019年11月; 5年前 ( 2019-11 )
フォーマットの種類	予測モデリング
延長	テキスト

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・グロスマンが考案した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方法を提供します。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を超える組織がPMMLをサポートする製品を発表しています。^[3]

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、モデルの説明、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情報が含まれます。また、モデルの作成日を指定するために使用できるタイムスタンプの属性も含まれます。
• 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、カテゴリ、または順序 (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 モデルで使用するためのより適切な形式にマッピングできます。PMML では、いくつかの種類の単純なデータ変換が定義されています。
  • 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することができます。
  • 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。たとえば、多層フィードフォワード ニューラル ネットワークは、次のような属性を含む "NeuralNetwork" 要素によって PMML で表されます。
  • モデル名 (属性 modelName)
  • 関数名 (属性 functionName)
  • アルゴリズム名 (属性 algorithmName)
  • アクティベーション関数（属性 activationFunction）
  • レイヤー数 (属性 numberOfLayers)

この情報の次には、PMML ドキュメント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 レイヤーが続きます。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、さまざまな回帰モデルなど、他の多くの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である場合があります。これには、次のような各フィールドに関する特定の情報が含まれます。
  • 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): モデル内でフィールドが使用される方法を定義します。一般的な値は、active、predicted、supplementary です。予測フィールドは、モデルによって値が予測されるフィールドです。
  • 外れ値の処理 (属性外れ値): 使用する外れ値の処理を定義します。PMML では、外れ値は欠損値として、極端な値として (特定のフィールドの高値と低値の定義に基づいて)、またはそのまま処理できます。
  • 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)。
• ターゲット: モデルの出力が連続的である場合、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、たとえば、入力値が欠落していて、欠落値を処理する他の方法がない場合に発生する可能性があります。
• 出力: 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 アフィニティ (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、出力が拡張され、モデル出力の一般的な後処理が可能になりました。PMML 4.1 では、もともと前処理のみに使用できたすべての組み込み関数とカスタム関数が、後処理にも使用できるようになりました。

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

含まれる新機能の例:

• 改善された前処理機能: 組み込み関数への追加には、さまざまなブール演算とIf-Then-Else関数が含まれます。
• 時系列モデル: 新しい指数平滑化モデル。また、近い将来にサポートされる予定のARIMA、季節傾向分解、スペクトル密度推定のプレースホルダー。
• モデルの説明: 評価とモデルのパフォーマンス測定値を PMML ファイル自体に保存します。
• 複数のモデル: モデルの構成、アンサンブル、セグメンテーション (例:回帰ツリーと決定木の組み合わせ) の機能。
• 既存要素の拡張:サポートベクターマシンのマルチクラス分類の追加、関連ルールの表現の改善、Cox 回帰モデルの追加。

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。
• 複数のモデルの簡素化。PMML 4.1 では、モデルのセグメンテーション、アンサンブル、および連鎖を表すために同じ要素が使用されます。
• 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
• 後処理用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
• 使用方法の説明
• 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]}

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管理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。

• オープンニューラルネットワークエクスチェンジ

• PMML と ADAPA におけるデータ前処理 - 入門
• Alex Guazzelli による ACM データマイニンググループ向け PMML プレゼンテーションのビデオ (LinkedIn 主催)
• PMML 3.2 仕様
• PMML 4.0 仕様
• PMML 4.1 仕様
• PMML 4.2.1 仕様
• PMML 4.4 仕様
• PMML での予測ソリューションの表現: 生データから予測への移行 - IBM developerWorks Web サイトで公開された記事。
• ヘルスケアにおける予測分析: オープン スタンダードの重要性 - IBM developerWorks Web サイトで公開された記事。