Importando modelos PMML a Python (Scikit-learn)

Parece que hay algunas opciones para exportar modelos de PMML fuera de scikit-learn, como sklearn2pmml, pero hay mucha menos información en la otra dirección. Mi caso es un modelo XGboost creado previamente en R, y guardado en PMML utilizando r2pmml, que me gustaría usar en Python. Scikit normalmente usa pickle para guardar / cargar modelos, pero ¿también es posible importar modelos en scikit-learn usando PMML?

No puede conectar diferentes representaciones especializadas (como las estructuras de datos nativos R y Scikit-Learn) a través de una representación generalizada (como PMML). Es posible que tenga más suerte al tratar de traducir las estructuras de datos R a las estructuras de datos de Scikit-Learn directamente.

XGBoost es realmente una excepción a la regla anterior, porque sus implementaciones R y Scikit-Learn son solo envolturas delgadas alrededor de la biblioteca XGBoost nativa. Dentro de un objeto R XGBoost entrenado hay un blob raw , que es el modelo en su representación nativa de XGBoost. xgb.Booster.load_model(fname) en un archivo y cárguelo en Python utilizando el xgb.Booster.load_model(fname) .

Si sabe que necesita desplegar el modelo XGBoost en Scikit-Learn, ¿por qué lo entrena en R?