CatBoost的Java端推理

最新推荐文章于 2025-01-13 09:02:35 发布

原创

最新推荐文章于 2025-01-13 09:02:35 发布 · 851 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python #机器学习 #深度学习 #java #逻辑回归

本文介绍如何使用CatBoost模型进行Java推理，无需转换为PMML格式。通过成人数据集示例，展示了从训练模型到Java端预测的完整流程。

CatBoost模型的Java推理相比LightGBM会简单许多，无需转换成pmml格式，直接用官方的Java-package即可。

最主要的是，它直接支持字符串类型的类别特征，无需做各种编码转换，简直不要太6。

参考文档：https://catboost.ai/en/docs/concepts/java-package

一，Java项目添加Maven依赖

注意version与python中的一致

<!-- https://mvnrepository.com/artifact/ai.catboost/catboost-prediction -->
<dependency>
    <groupId>ai.catboost</groupId>
    <artifactId>catboost-prediction</artifactId>
    <version>1.0.6</version>
</dependency>

二，Python端训练CatBoost模型

此处以adult数据集的二分类问题为例。

from sklearn.datasets import fetch_openml
from sklearn.model_selection import train_test_split 
import datetime 

import numpy as np 
import pandas as pd 
import plotly.express as px 


import catboost as cb 
def printlog(info):
    nowtime = datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S')
    print("\n"+"=========="*8 + "%s"%nowtime)
    print(info+'...\n\n')
    
    
#================================================================================
# 一，准备数据
#================================================================================
printlog("step1: preparing data...")


adult = fetch_openml(name = "adult",version=1,as_frame=True)

label_col = "target"
dfdata = adult["data"]
dfdata["target"] = (adult["target"]==">50K").astype("float")

cat_features = dfdata.drop("target",axis=1
                ).select_dtypes("category").columns.values.tolist()
cat_features.sort()

num_features = [col for col in dfdata.columns if col not in cat_features+[label_col]]
num_features.sort() 

dfdata[cat_features] = dfdata[cat_features].astype(str)
dfdata[cat_features].fillna("missed") 

dfdata = dfdata[num_features+cat_features+[label_col]]

dftrain_val,dftest = train_test_split(dfdata,test_size=0.3)
dftrain,dfval = train_test_split(dftrain_val,test_size=0.3)

# 整理成Pool
pool_train = cb.Pool(data = dftrain.drop(label_col,axis=1), 
                     label = dftrain[label_col], cat_features=cat_features)
pool_val = cb.Pool(data = dfval.drop(label_col,axis=1),