xgb生成的pkl文件转pmml文件用于跨平台部署并预测

原创

已于 2022-05-20 18:41:37 修改 · 3.4k 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #python #java #xml #后端

于 2022-05-20 15:23:32 首次发布

本文详细介绍了如何将XGBoost模型转换成.model和.fmap文件，接着转换为PMML格式，以及使用转换后的模型进行预测。首先，通过pkl_to_model_and_fmap函数将pickle模型转为.model和.fmap。然后，利用Java环境和JPMML库将.model和.fmap文件转为PMML，此过程需要安装Java、Maven和JPMML-xgboost。最后，使用PyPMML加载PMML模型，对测试样本进行预测，验证转换的准确性。

import pandas as pd
import numpy as np
import datetime
import matplotlib.pyplot as plt
import seaborn as sns
import os
import xgboost as xgb

# step1：获取.model和.fmap模型文件
'''
fmap(feature map file)：实现feature id和feature name的对应
格式为 featmap.txt: <featureid> <featurename> <q or i or int>\n
Feature id从0开始直到特征的个数为止，从小到大排列。
i表示是二分类特征
q表示数值变量，如年龄，时间等。q可以缺省
int表示特征为整数(when int is hinted, the decision boundary will be integer)
可根据以下语句通过读取pkl文件的feature_name生成，或者根据feature顺序通过别的方式生成
'''


# 若建模时仅通过pkl生成了.pkl文件，可通过下述代码转为.model（booster格式）文件
def pkl_to_model_and_fmap(model_path='xgb.txt', f_model='v.model'