leaves：Go语言实现的GBRT模型预测库

leaves：Go语言实现的GBRT模型预测库

leaves pure Go implementation of prediction part for GBRT (Gradient Boosting Regression Trees) models from popular frameworks 项目地址: https://gitcode.com/gh_mirrors/lea/leaves

1. 项目基础介绍及编程语言

leaves 是一个使用 Go 语言编写的开源项目，它实现了梯度提升回归树（Gradient Boosting Regression Trees, GBRT）模型的预测部分。该项目的主要目的是使 Go 程序能够无缝使用来自 LightGBM、XGBoost 和 scikit-learn 等流行框架的 GBRT 模型，而不需要依赖 C API 绑定。

2. 项目核心功能

leaves 的核心功能包括：

• 支持批量预测，以提升预测效率。
• 提供sigmoid和softmax等转换函数的支持。
• 能够获取决策树的叶子索引。
• 支持读取 LightGBM 模型（包括文本和JSON格式），并进行多类预测。
• 支持读取 XGBoost 模型（二进制格式），并进行多类预测，同时处理缺失值。
• 实验性支持读取 scikit-learn 的树模型（pickle格式，协议0）。

3. 项目最近更新的功能

根据项目的最新更新，以下是一些近期添加的功能：

• 对类别特征的优化，例如一键式决策规则和仅预测用途的优化。
• 增加了对 XGBoost 模型预测的多线程支持，尽管目前还无法通过 Python 绑定充分利用多线程。
• 在 benchmarks 中添加了与 C API 实现的预测速度比较，以展示性能表现。

请注意，项目的API可能在下一个主要版本之前发生变化，因此在集成到生产环境之前应仔细评估API的稳定性。

leaves pure Go implementation of prediction part for GBRT (Gradient Boosting Regression Trees) models from popular frameworks 项目地址: https://gitcode.com/gh_mirrors/lea/leaves