PMML 準拠の評価エンジンでは、以下がサポートされます。

• 多様なベンダーによって作成された PMML 準拠モデル (4.2 以前のバージョン)。ただし、ベースライン・モデル、ScoreCard モデル、シーケンス・モデル、およびテキスト・モデルは除きます。 サポートされるモデルのリストについては、Data Mining Group (DMG) の Web サイトを参照してください。
• IBM SPSS 製品によって作成された非 PMML モデル: 判別分析および Bayesian network (ベイズ)
• PMML 4.2 変換の全体

モデルの種類が異なると、生成される評価結果も多様になることがあります。 例：

• 分類モデル (カテゴリー型対象を使用したモデル: ベイズ・ネットワーク、一般回帰、マイニング、単純ベイズ、k 近傍法、ニューラル・ネットワーク、回帰、ルール・セット、サポート・ベクター・マシン、およびツリー) では、以下が生成されます。
  • 予測値(C)
  • 確率
  • 信頼値
• 回帰モデル (連続型対象を使用したモデル: 一般回帰、マイニング、k 近傍法、ニューラル・ネットワーク、回帰、およびツリー) では、予測値が生成されます。一部では、標準誤差が生成される場合もあります。
• (一般回帰の) Cox 回帰では、予想生存率および累積ハザード値が生成されます。
• ツリー・モデルでは、ノード ID も生成されます。
• クラスタリング・モデルでは、クラスター ID とクラスター・アフィニティーが生成されます。
• 異常値検査 (クラスタリングとして表される) では、異常値の指標および上位の原因が生成されます。
• アソシエーション・モデルでは、一致する上位のルールの結果、ルール ID、および確信度が生成されます。

Python コード例:

from spss.ml.score import Score

with open("linear.pmml") as reader:
    pmmlString = reader.read()

score = Score().fromPMML(pmmlString)
scoredDf = score.transform(data)
scoredDf.show()

親トピック: SPSS 予測分析アルゴリズム