sklearn2pmml是导出PMML的必需第三方工具，因scikit-learn原生不支持；它要求使用PMMLPipeline、模型必须fit、scikit-learn≤1.3.x版本兼容，且无法用joblib/pickle替代——后者仅保存Python对象，而PMML是跨平台XML标准。
Scikit-learn 本身不支持导出 PMML，必须依赖第三方插件 sklearn2pmml，且它对模型类型、scikit-learn 版本和 sklearn API 兼容性有严格要求——用错版本或调用方式，sklearn2pmml 会直接抛出 AttributeError: 'Pipeline' object has no attribute 'predict_proba' 或 PMMLPipeline requires all steps to be fitted 这类错误。
为什么不能直接用 joblib/pickle 导出 PMML
PMML 是 XML 格式的模型交换标准，与 Python 运行时强绑定的 pickle 本质不同。joblib 和 pickle 只能保存 Python 对象状态，无法生成可跨平台（如 Java JPMML）解析的结构化模型描述。而 sklearn2pmml 的核心作用，是把 scikit-learn 的 estimator/pipeline 映射为 PMML 规范中的 Transformation、MiningSchema、Output 等节点。
安装与版本匹配要点
sklearn2pmml 不是无脑 pip install 就能用的工具。它对依赖版本极其敏感：
-
scikit-learn必须 ≤ 1.3.x（1.4+ 已移除部分内部 API，导致sklearn2pmml构建失败） - 推荐组合：
scikit-learn==1.3.3+sklearn2pmml==0.100.5（截至 2024 年中最新稳定版） - 必须使用
sklearn2pmml.PMMLPipeline替代原生sklearn.pipeline.Pipeline，否则sklearn2pmml.sklearn2pmml()会拒绝序列化 - 若模型含自定义 transformer，需继承
sklearn.base.TransformerMixin且实现fit()和transform()，不能只靠FunctionTransformer
导出 PMML 的最小可行代码
以下代码能跑通，说明环境和调用链已就绪：
立即学习“Python免费学习笔记（深入）”；
from sklearn2pmml import sklearn2pmml
from sklearn2pmml.pipeline import PMMLPipeline
from sklearn.ensemble import RandomForestClassifier
from sklearn.preprocessing import StandardScaler
<h1>必须用 PMMLPipeline，不能用 Pipeline</h1><p>pipeline = PMMLPipeline([
("scaler", StandardScaler()),
("classifier", RandomForestClassifier(n_estimators=10))
])</p><p>pipeline.fit(X_train, y_train)</p><h1>导出前确保所有 step 已 fit，且 pipeline 有 feature_names<em>in</em> 属性（sklearn>=1.0 要求）</h1><p>sklearn2pmml(pipeline, "model.pmml", with_repr=True)
注意：with_repr=True 会在 PMML 中嵌入 Python 类型信息，方便调试；生产环境可设为 False 减小体积。如果 X_train 是 pandas DataFrame，列名会自动成为 PMML 中的 FieldName；若为 numpy array，需手动传入 feature_names 参数。
常见报错与绕过方法
导出失败通常卡在三个地方：
-
TypeError: cannot serialize '_io.TextIOWrapper' object：pipeline 中混入了文件句柄、lambda 函数或非 serializable 对象，检查每个 step 是否纯算法类 -
ValueError: Unsupported estimator type <class 'sklearn.svm.SVC'>：SVM 分类器默认不支持概率输出，需显式设置probability=True，且确认 sklearn2pmml 版本支持该 estimator -
AttributeError: 'NoneType' object has no attribute 'get_params'：某个 step 返回 None，常见于自定义 transformer 的transform()没有 return 语句 - 中文特征名或特殊字符（如空格、括号）会导致 PMML 解析失败，建议预处理列名为
re.sub(r'[^a-zA-Z0-9_]', '_', col)
PMML 文件本身不可执行，它只是模型结构的声明式描述；真正部署时仍需 JPMML-Evaluator 或 openscoring 这类引擎加载执行——这点容易被忽略，以为导出完就能直接调用。
