以前にRで作成したモデルをPMMLに出力してYellowfinで利用するざっくりした手順という記事を書きました。
今回はRではなくPythonを使って同じようなことをやってみます。

今回の動作環境

macOS 10.13
Anaconda 5.0.0
Python 3.6.2
Jupyter Notebook 4.3.0
sklearn2pmml 0.39.0
Yellowfin 8.0.0
Yellowfin PMMLプラグイン-20171204

Anacondaのインストール

AnacondaはPython本体と、機械学習やデータサイエンスでよく使われるライブラリがまとめられたディストリビューションです。Jupyter Notebookも含まれています。
具体的なインストール方法については検索すれば情報がたくさん出てきますので、ここでは割愛します。

sklearn2pmmlのインストール

scikit-learnは定番のPython機械学習ライブラリです。今回もこのライブラリを使ってモデルを作成します。
そして、作成したモデルをPMML出力するためにsklearn2pmmlというライブラリを使用します。

sklearn2pmml

インストールするにはターミナルで以下を実行します。

$ pip install --user --upgrade git+https://github.com/jpmml/sklearn2pmml.git

Yellowfinとプラグインのインストール

これもここでは割愛します。なお、日本国内でPMMLプラグインを入手するにはYellowfin Japan社のサポートへ連絡する必要があります。（2019年1月現在）

Jupyter NotebookでモデルとPMMLファイル作成

sklearn2pmmlのUsageに記載されている例に従って、今回はかの有名なIrisデータセットを使用した学習モデルを作成します。

iris_train.csv

まずは以下を叩いてJupyter Notebookを起動。

$ jupyter notebook

するとブラウザが立ち上がってJupyter Notebookが表示されますので、新規にnotebookを作成します。

そして、おもむろに以下のコードをコピペして、ファイルパスをご自身の環境に合わせて編集した後に実行ボタンをクリックします。

sklearn2pmml.py

import pandas
iris_df = pandas.read_csv("/Users/xxxxxx/temp/iris_train.csv")
from sklearn.tree import DecisionTreeClassifier
from sklearn2pmml.pipeline import PMMLPipeline
pipeline = PMMLPipeline([
    ("classifier", DecisionTreeClassifier())
])
pipeline.fit(iris_df[iris_df.columns.difference(["Species"])], iris_df["Species"])
from sklearn2pmml import sklearn2pmml
sklearn2pmml(pipeline, "/Users/xxxxxx/temp/DecisionTreeIris.xml", with_repr = True)