Bodovací stroj vyhovující PMML podporuje:

• Modely kompatibilní s PMML (4.2 a dřívější verze) produkované různými dodavateli, s výjimkou modelu Baseline Model, Model ScoreCard Model, Sequence Model a Model Text. Seznam podporovaných modelů najdete na webových stránkách Data Mining Group (DMG) .
• Modely Non-PMMML vytvořené produkty IBM SPSS : Diskriminant a Bayesovské sítě
• PMMML 4.2 kompletně transformace

Různé druhy modelů mohou produkovat různé výsledky bodování. Příklad:

• Klasifikační modely (ty, které mají kategorický cíl: Bayes Net, General Regression, Mining, Naive Bayes, knearest Soused, Neural Network, Regression, Ruleset, Support Vector Machine a Tree) produkující:
  • Předpovězené hodnoty
  • Pravděpodobnosti
  • Hodnoty důvěry
• Regresní modely (ty se spojitým cílem: Generální regrese, Mining, -Nejbližší soused, Neurální síť, Regrese a strom) produkují predikované hodnoty; některé také produkují standardní chyby.
• Coxova regrese (v generálním regresních hodnotách) produkuje předpovídanou pravděpodobnost přežití a kumulativní hodnoty nebezpečnosti.
• Stromové modely také vytvářejí ID uzlu.
• Modely klastrů vytvářejí ID klastru a afinitu klastru.
• Detekce anomálií (reprezentovaná jako Klastrování) produkuje index anomálie a nejlepší důvody.
• Modely přidružení vytvářejí Condusent, ID pravidla a sebedůvěrou pro pravidla nejlepších shod.

Příklad kódu produktu Python :

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()

Nadřízené téma: Algoritmy prediktivních analýz produktuSPSS