sklearn2pmml 不能直接转换所有 Pipeline 和自定义 Transformer，必须满足 PMML 规范：仅支持 sklearn 原生 estimator 和继承 BaseEstimator/TransformerMixin 的自定义 transformer，且仅限 PMML 支持的数学操作；需用 make_pmml_pipeline() 校验可序列化性。
sklearn2pmml 能否直接转换 Pipeline 和自定义 Transformer？
不能直接转换所有类型，必须满足 PMML 规范对算子和数据流的限制。比如 FunctionTransformer 中用了闭包、lambda 或未注册的 numpy 函数，sklearn2pmml 会报 UnsupportedOperationError；Pipeline 里嵌套了非标准 estimator（如 catboost.CatBoostClassifier）也会失败。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 只用 sklearn 原生 estimator（
LogisticRegression、RandomForestClassifier、StandardScaler等），避免混用第三方库组件 - 自定义 transformer 必须继承
BaseEstimator和TransformerMixin，且fit/transform方法只能调用 PMML 支持的数学操作（加减乘除、log、exp、clip，不支持np.where、pd.cut） - 用
sklearn2pmml.make_pmml_pipeline()替代原生Pipeline，它会校验每一步是否可序列化为 PMML
为什么 dump 出的 PMML 文件在 Java 端加载时报 “Invalid model type”？
常见原因是 sklearn 模型类型未被 sklearn2pmml 映射为合法 PMML 模型元素。例如：用 OneVsRestClassifier 包裹 SVC，生成的 PMML 根节点是 MulticlassClassificationModel，但 Java 的 JPMML-Evaluator 默认只认 RegressionModel 或 TreeModel 类型——SVC 本身不被 PMML 原生支持，所以整个模型被判定为非法。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 优先选用 PMML 4.4+ 明确支持的模型：
LinearRegression、LogisticRegression、DecisionTreeClassifier、RandomForestClassifier（注意：仅限 sklearn 0.22+ 的RandomForestClassifier，旧版树结构导出不兼容） - 避开集成类包装器：
BaggingClassifier、VotingClassifier、CalibratedClassifierCV均不可导出 - 检查生成的 PMML 文件根元素，确认是
PMML→RegressionModel或ClassificationModel，而非Extension包裹的私有结构
sklearn2pmml 导出时如何保留列名和类别标签？
默认情况下，sklearn2pmml 会丢弃 ColumnTransformer 的列名和 LabelEncoder 的 classes_，导致 Java 端输入字段名不匹配或预测结果无法映射回原始 label。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 对数值型特征，用
sklearn2pmml.decoration.ContinuousDomain显式声明字段名：from sklearn2pmml.decoration import ContinuousDomain ct = ColumnTransformer( transformers=[("num", Pipeline([("scale", StandardScaler())]), ["age", "income"])], remainder="passthrough" ) # 在 Pipeline 中插入 Domain 装饰器 pipeline = Pipeline([ ("domain", ContinuousDomain(with_names=["age", "income"])), ("scale", StandardScaler()) ]) - 对分类目标变量，不用
LabelEncoder，改用sklearn.preprocessing.OrdinalEncoder并设handle_unknown="use_encoded_value"，再通过sklearn2pmml.decoration.CategoricalDomain绑定values参数 - 导出前调用
pmml_pipeline._target_name = "label"显式指定输出字段名，否则默认为prediction
Java 端加载 PMML 后 predict() 返回 NaN 或维度错乱
根本原因通常是输入数据格式与 PMML 中声明的 DataField 类型/顺序不一致。比如 PMML 写的是 optype="continuous" 但传入了字符串；或字段顺序是 [x1, x2, x3]，Java Map 却按 {x3=..., x1=..., x2=...} 提交。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 用
org.jpmml.evaluator.ModelEvaluator的verify()方法校验输入 schema，它会抛出具体哪一列类型不匹配 - Java 端必须用
LinkedHashMap构造输入，保证 key 插入顺序与 PMML 中DataDictionary的DataField顺序严格一致 - 避免在 sklearn 训练时用
pandas.DataFrame直接喂给 fit() —— 列顺序可能因 pandas 版本变动，应显式转为 numpy array +feature_names_in_固定顺序
最易被忽略的一点：PMML 不保存缺失值插补逻辑（如 SimpleImputer 的 fill_value），如果训练数据含 NaN 而又没在 pipeline 里做预处理，Java 端遇到 null 会直接中断计算。务必在导出前确认所有 NaN 已被显式填充或丢弃。
