我们知道规则引擎（或决策引擎）是企业商业智能AI体系中重要的一环，那么就需要规则引擎具备调用PMML模型的能力，本文将提供完整的分步教程，介绍如何在国产的Together规则引擎编辑器中导入和处理PMML模型。
概述
从Together规则引擎3.0版本开始，Together编辑器支持将PMML模型作为DMN模型的一部分进行加载。
PMML（预测模型标记语言）模型是一个XML文件，用于描述由数据挖掘或AI算法生成的预测模型。您可以在DataMiningGroup–PMML页面上了解有关PMML的更多信息。处理模型的示例包括朴素贝叶斯、神经网络、支持向量机等。将这些类型的模块引入Together编辑器丰富了用户可以创建的逻辑和算法来确定决策过程，为机器学习/AI世界打开了一扇大门。
教程
步骤如下：
1.将您训练好的机器学习模型即PMML文件导入到Together规则引擎项目中。
第一个要分析的文件是“test_regression.pmml”，位于项目目录，这让我们有机会了解更多关于此类文件的信息。该模型是指回归模型系列，更具体地说，是指线性回归模型。此模型的典型应用是确定因变量与一个或多个自变量之间的关系。此公式描述了“test_regression.pmml”中存在的回归模型：
描述回归模型的公式保留在test_regression.pmml中
目的是设计一个DMN过程，该过程使用上述公式确定利用PMML模型输出fdl4（因变量）给定其定义的输入变量fdl1、fdl2和fdl3（自变量）的决策。
2.点击新建按钮打开编辑器创建DMN模型：
3.将PMML模型引入
在编辑器中，转到包含的型号页签。在这里，点击包含模型按钮导入前面描述的PMML模型。将出现一个弹出窗口。选择“test_regression.pmml”文件并分配您选择的唯一名称，然后输入一个名称，点击包括按钮，将出现如下界面，说明PMML文件导入成功。
4.现在，返回到编辑页签。在这里，我们需要定义一个节点，该节点将保存之前导入的PMML模型。从编辑器的左侧调色板中选择一个DMN业务知识模型，然后将其拖动到编辑器中。单击Edit图标以打开DMN框式表达式设计器：
5.将出现一个表。将表达式类型设置为PMML，单击左上角的函数单元格。在表格的左上角下来菜单中选择PMML，在Document行选择模型文件TestRegression，Model行选择“LinReg”。
6.现在，我们已准备好定义DMN模型，从三个必需的DMN输入数据开始，以表示输入值fdl1、fdl2和fdl3。不要忘记将它们设置为数据类型数字，选择每个节点并打开DMN设计器右上角的属性卡图标。
7. 下一个必需的步骤是引入 DMN Decision决策节点，它将输入值与 PMML 逻辑相结合以确定 Decision 结果，如以下步骤所述。将其数据类型也设置为数值。
8.将输入节点 fdl1、fdl2 和 fdl3 与 Decision 节点链接，将 RegressionModelBKM 和 Decision 节点链接在一起。这描述了 DMN 过程的最终图形表示：给定输入 fdl1、fdl2 和 fdl3，使用给定的 PMML 模型确定决策。
要完成 DMN 建模，我们需要在 Decision 节点中定义逻辑。选择它，然后按 编辑 图标以打开 DMN 装箱表达式设计器。表达式类型选择 “Invocation（调用）”。这表明 Decision 需要调用外部逻辑来确定决策结果。作为一个函数，编写 “RegressionModelBKM”，它表示我们之前定义的用于保存 PMML 模型的业务知识模型的名称。作为参数，添加三行来定义参数 — 即决策的 Inputs 节点，将它们与 PMML 逻辑中定义的变量名称相关联。在这种情况下，输入节点和 PMML 模型输入变量共享相同的名称，但这不是严格的规则。
至此DMN建模完全集成了 PMML 模型 test_regression.pmml。
9．我们测试一下模型，在DMN模型执行时，同步调用了，PMML模型算法返回了正确的预测模型结果。
结论
在本文中，我们学习了如何使用Together规则引擎将 PMML 模型作为 DMN 模型的一部分。所示示例可以轻松扩展到更复杂的 DMN模型和 PMML 模型，从而更好地满足您的业务需求。当然，这需要对 DMN 和 PMML 标准及其组合功能有更深入的了解。欢迎联系我们获得Together规则引擎AI解决方案。
