====== 建模基础示例代码 ======

进行数据建模一般需要包括以下及各环节：

  - 建模样本数据加载
  - 数据预处理
  - 特征选择
  - 模型训练
  - 模型验证
  - 建模结果输出

示例代码如下：

<code python>
# #########################################
# file: 09-sample-02-basic-01
# author: jinlong.hao
# date: 2019-12-06
# desc: sklearn2pmml基础验证代码
# content: 
#    0. import语句
#    1. 加载数据
#    2. 数据预处理
#    3. 特征选择（略）
#    4. 模型训练
#    5. 结果验证(略)
#    6. 训练结果输出
# ########################################

# 0. import
import sklearn
import sklearn.impute
import sklearn.ensemble
import sklearn.linear_model
import sklearn2pmml
import sklearn2pmml.preprocessing
from sklearn2pmml.preprocessing import ReplaceTransformer
from sklearn2pmml.preprocessing import CutTransformer
import sklearn_pandas
import pandas as pd
import numpy as np

# 1. 加载数据
# 1.1 加载特征数据
train_x = pd.DataFrame({
    'phone_brand': ['Huawei', 'Huawei', 'Apple', 'Apple', '360', '8848', np.NaN],
    'phone_price': [2403, 1123,  4823, 2223, np.NaN, 1583, 2222]
})

# 1.2 加载目标变量
train_y = pd.DataFrame({
    'result': [0, 1, 0, 1, 0, 0, 1]
})


# 2. 数据预处理的封装DataFrameMapper
dataFrameMapper = sklearn_pandas.DataFrameMapper([
    (['phone_brand'], [
        sklearn.impute.SimpleImputer(strategy='constant', fill_value='others')
        ,ReplaceTransformer(pattern='^(?!Huawei|Apple).*', replacement='others')
        ,sklearn.preprocessing.LabelBinarizer()
    ]),  # 品牌字段分组
    (['phone_price'], [
        sklearn.impute.SimpleImputer(strategy='constant', fill_value=0)
        ,CutTransformer(bins=[-1, 1000, 10000],
                        labels=['1', '2'])
        ,sklearn.preprocessing.LabelBinarizer()
    ])  # 价格字段分段处理
])

# 3. 特征选择（略）


# 4. 模型训练
# 4.1 构建逻辑回归的分类器
logistic_classifier = sklearn.linear_model.LogisticRegression()

# 4.2 构建pipeline
logistic_pipeline = sklearn2pmml.PMMLPipeline([
    ('mapper', dataFrameMapper),
    ('classifier', logistic_classifier)
]) 

# 4.3 模型训练
logistic_pipeline.fit(train_x, train_y)


# 5. 模型验证（略）

# 6. 模型结果输出
# 6.1 结果中加载验证数据
logistic_pipeline.verify(train_x.sample(2))

# 6.2 输出结果到Pmml中
sklearn2pmml.sklearn2pmml(logistic_pipeline, '02-basic-01.pmml')

</code>