您可以使用PyPMML在Python中应用PMML，例如：

from pypmml import Model

model = Model.fromFile('DecisionTreeIris.pmml')
result = model.predict({
    "Sepal_Length" : 5.1,
    "Sepal_Width" : 3.5,
    "Petal_Length" : 1.4,
    "Petal_Width" : 0.2
})

有关其他PMML库的更多信息，请访问：https://github.com/autodeployai

经过一番研究，我找到了解决这个问题的办法：the 'openscoring' library。
使用起来很简单：

import subprocess
from openscoring import Openscoring
import numpy as np

p = subprocess.Popen('java -jar openscoring-server-executable-1.4.3.jar',
             shell=True)

os = Openscoring("http://localhost:8080/openscoring")

# Deploying a PMML document DecisionTreeIris.pmml as an Iris model:   
os.deployFile("Iris", "DecisionTreeIris.pmml")

# Evaluating the Iris model with a data record:
arguments = {
    "Sepal_Length" : 5.1,
    "Sepal_Width" : 3.5,
    "Petal_Length" : 1.4,
    "Petal_Width" : 0.2
}
result = os.evaluate("Iris", arguments)
print(result)

这将返回字典中目标变量的值。不再需要在Python之外使用PMML模型（你只需要用Java运行服务器，这可以用Python来完成，就像我上面展示的那样）。

这不像是在python应用中托管H2O模型吗？看起来这里也需要一个从python到Java的桥。这样的桥一点也不稳定，我已经测试过了。只是一个一般性的建议：不要在ML算法和应用程序代码之间混合使用语言，在python中进行培训，在python中提供服务，也在python中重新验证。传统R和H2O模型始终可以在python中重新安装。