XGBoostモデルファイルはPMMLに変換されます。
2240 ワード
javaパッケージとコマンドラインを使って、XGBoostモデルをPMML共通モデルファイルに変換します。
前期の準備はjpmml-xgbostをダウンロードして、 https://github.com/jpmml/jpmml-xgboost/archive/master.zip ; java 1.7または以上のバージョンをインストールします。 インストール Apple Maven 環境を設定
端末でプロジェクトに入るルートディレクトリで、実行:
target/converter-executable-1.1-NAPSHOT.jar。
使用手順
変換プロセスは以下の3ステップに要約できる。 XGBoostトレーニングモデルを使用する。 は、モデルおよび関連する特徴情報を保持する。 は、JPMM-XGBoost変換コマンドを使用して、2つのファイルを1つのpmml形式のファイルに変換します。 モデルを訓練してローカルファイルに保存します。
mtcarsデータを使用して、Rパケットxgbostを適用して線形モデルを訓練する。コードは以下の通りです
library(「xgbost」)source(「src/main/R/util.R」)data コネクタ selected columns from numeric datatype ト インテグ or factor datatypesmatcars$cyl = as.integer(mtcars$cyl)mtcars$vs = as.factor(mtcars$vs)mtcars$am = as.factor(mtcars$am)mtcars$gear = as.integer(mtcars$geas)mtcars$carb = as.integer(mtcars$carb)mpg_y = mtcars[、 1)mpg_X = mtcars[、 2:ncol(mtcars)]
同前 Generate DMMATALIX file
mpg.dmatix = genDMMatrix(mpguy、 mpguX 「xgbook.svm」)
萼genDMMATarixは
util.Rで定義されている
同前 Generate フィーチャー map file
mpg.fmap
を選択します。
genFMap(
mpguX
を選択します。
「xgbook.fmap
」
)
铂genFMapはutil.Rで定義されています。
set.seed(
31
)
同前 Train a. linear regression モデル
mpg.xgb
を選択します。
xgbost(
ダタ
を選択します。
mpg.dmatix
を選択します。
objective
を選択します。
「reg:linear」
を選択します。
nrounds
を選択します。
7
)
同前 保存 the モデル in XGBoost propretary binary フォーマット
xgb.save(
mpg.xgb
を選択します。
「xgbook.model」
)
同前 Dump the モデル in テキスト フォーマット
xgb.dump(
mpg.xgb
を選択します。
「xgboots.model.txt」
を選択します。
fmap
を選択します。
「xgbook.fmap」
)
モデルをPMMLファイルに変換
JPMM-XGBoost変換コマンドを使用して、もうすぐ第二ステップの二つのファイルがあります。
xgbook.modelと
xgbook.fmap
pmml形式に変換したファイル
前期の準備
端末でプロジェクトに入るルートディレクトリで、実行:
mvn clean install
このステップはプロジェクトディレクトリのpom.xmlファイルから実行可能なjavaパッケージを新規作成します。 target/converter-executable-1.1-NAPSHOT.jar。
使用手順
変換プロセスは以下の3ステップに要約できる。
mtcarsデータを使用して、Rパケットxgbostを適用して線形モデルを訓練する。コードは以下の通りです
library(「xgbost」)source(「src/main/R/util.R」)data コネクタ selected columns from numeric datatype ト インテグ or factor datatypesmatcars$cyl = as.integer(mtcars$cyl)mtcars$vs = as.factor(mtcars$vs)mtcars$am = as.factor(mtcars$am)mtcars$gear = as.integer(mtcars$geas)mtcars$carb = as.integer(mtcars$carb)mpg_y = mtcars[、 1)mpg_X = mtcars[、 2:ncol(mtcars)]
同前 Generate DMMATALIX file
mpg.dmatix = genDMMatrix(mpguy、 mpguX 「xgbook.svm」)
萼genDMMATarixは
util.Rで定義されている
同前 Generate フィーチャー map file
mpg.fmap
を選択します。
genFMap(
mpguX
を選択します。
「xgbook.fmap
」
)
铂genFMapはutil.Rで定義されています。
set.seed(
31
)
同前 Train a. linear regression モデル
mpg.xgb
を選択します。
xgbost(
ダタ
を選択します。
mpg.dmatix
を選択します。
objective
を選択します。
「reg:linear」
を選択します。
nrounds
を選択します。
7
)
同前 保存 the モデル in XGBoost propretary binary フォーマット
xgb.save(
mpg.xgb
を選択します。
「xgbook.model」
)
同前 Dump the モデル in テキスト フォーマット
xgb.dump(
mpg.xgb
を選択します。
「xgboots.model.txt」
を選択します。
fmap
を選択します。
「xgbook.fmap」
)
モデルをPMMLファイルに変換
JPMM-XGBoost変換コマンドを使用して、もうすぐ第二ステップの二つのファイルがあります。
xgbook.modelと
xgbook.fmap
pmml形式に変換したファイル
java -jar target/converter-executable-1.1-SNAPSHOT.jar --model-input xgboost.model --fmap-input xgboost.fmap --target-name mpg --pmml-output xgboost.pmml
ヘルプの詳細を取得java -jar target/converter-executable-1.1-SNAPSHOT.jar --help