MAC系统 LightGBM模型转为pmml格式

最新推荐文章于 2023-06-26 14:21:30 发布
最新推荐文章于 2023-06-26 14:21:30 发布
阅读量995 收藏 1
点赞数
分类专栏： 机器学习算法 Python 文章标签： macos java 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Matrix_cc/article/details/128779468
版权

一、配置JAVA环境和Maven环境

参考以下两个博客即可

        MAC 系统安装 JDK 及环境变量配置_=蜗牛=的博客-CSDN博客_mac jdk环境变量配置

        MAC 系统安装 Maven 及环境变量配置_=蜗牛=的博客-CSDN博客_mac安装mpv 

二、下载JPMML-LightGBM

先在Git上下载

直接下载或使用git clone https://github.com/jpmml/jpmml-lightgbm

下载完后通过命令行 cd 到这个项目下面

然后使用命令行

mvn clean install

如果构建失败，使用以下命令

mvn clean install -DskipTests

或者

mvn clean install -Dmaven.test.skip=true

两个随便选一个就行

然后在这个项目下面的 pmml-lightgbm-example 目录下，会有一个 target 目录

进入target目录，会有几个jar包

 使用第3个jar包来进行转换，转换命令如下

java -jar "xx\xx\pmml-lightgbm-example-executable-1.4-SNAPSHOT.jar" --lgbm-input lgb_model.model --pmml-output lgb_model.pmml

jar包的地址改成自己的地址，这里用xx代替

有的博客说模型文件需要是txt格式的，我发现直接使用model格式也可以转换，这个可以根据需要保存成不同的格式来进行转换

三、调用pmml文件

参考[PMML] LightGBM模型保存为PMML文件，通过Java或者Python调用_手撕机的博客-CSDN博客_python lightgbm模型怎么保存为pmml机器学习模型之PMML - 知乎

引用：

 

烟雨人长安
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器学习-lightgbm转pmml
05-15
pmml-lightgbm-example-executable-1.4-SNAPSHOT.jar。 lightgbm模型转pmml文件，可用于java程序调用，实现在线打分功能。 看网站上有人定价为付费，于是开出积分版本，赚点积分，谢谢支持 使用方法: 1. 生产模型基础文件：python环境下模型训练完后, model.booser_.save_model('model.txt') 2. 转pmml: java -jar "pmml-lightgbm-example-executable-1.4-SNAPSHOT.jar" --lgbm-input lgb_model.txt --pmml-output lgb_model.pmml 没有积分的同学可以自行参考：https://blog.csdn.net/nchkchy/article/details/123364126
jpmml-xgboost:Java库和命令行应用程序，用于将XGBoost模型转换为PMML
05-05
JPMML-XGBoost Java库和命令行应用程序，用于将模型转换为PMML。 先决条件 Java 1.8或更高版本。 安装 输入项目根目录并使用构建： mvn clean install 构建生成可执行的uber-JAR文件target/jpmml-xgboost-executable-1.5-SNAPSHOT.jar 。 用法 典型的工作流程可以总结如下： 使用XGBoost训练模型。 将模型和关联的特征图保存到本地文件系统中的文件中。 使用JPMML-XGBoost命令行转换器应用程序将这两个文件转换为PMML文件。 XGBoost操作方面 使用和软件包为示例mtcars数据集训练回归模型： library( " r2pmml " ) library( " xgboost " ) data( mtcars ) # Convert selected columns fr
lgbm模型转为pmml格式的jar包
10-15
lgbm模型转为pmml格式的jar包，jpmml-lightgbm-executable-1.3-SNAPSHOT.jar
jpmml-lightgbm:Java库和命令行应用程序，用于将LightGBM模型转换为PMML
05-02
JPMML-LightGBM Java库和命令行应用程序，用于将模型转换为PMML。 先决条件 LightGBM 2.0.0或更高版本。 Java 1.8或更高版本。 安装 输入项目根目录并使用构建： mvn clean install 构建生成可执行的uber-JAR文件target/jpmml-lightgbm-executable-1.3-SNAPSHOT.jar 。 用法 典型的工作流程可以总结如下： 使用LightGBM训练模型。 将模型保存到本地文件系统中的文本文件中。 使用JPMML-LightGBM命令行转换器应用程序将此文本文件转换为PMML文件。 LightGBM操作方面 使用软件包为示例波士顿住房数据集训练回归模型： from sklearn . datasets import load_boston boston = load_boston () fr
pmml-lightgbm-example-executable-1.4-SNAPSHOT.jar
01-22
1、lgb模型转换pmml格式
LightGBM模型保存为PMML文件，通过Java调用
panhuibincsdn的博客
01-22 1950
1、将模型保存为txt文件 import os import lightgbm as lgb from sklearn import datasets from sklearn.model_selection import train_test_split iris = datasets.load_iris() X = iris.data y = iris.target X_train, X_test, y_train, y_test = train_test_split(X, y, test_s
如何将lightgbm模型存为pmml文件
小颜颜6035的博客
10-11 1372
1.下载jpmml-lightgbm文件 https://github.com/jpmml/jpmml-lightgbm 上传到linux上 解压:tar -zxvf 文件名 切换到解压文件夹所在目录下： mvn clean install 若显示没有mvn命令，请点击此处： https://blog.csdn.net/yinjun3215/article/details/120702748?spm=1001.2014.3001.5501 成功，会在当前目录下生成target文件 cd target
[PMML] LightGBM模型保存为PMML文件，通过Java或者Python调用
藏知阁
06-01 3697
LightGBM 多分类 import os import lightgbm as lgb from sklearn import datasets from sklearn.model_selection import train_test_split iris = datasets.load_iris() X = iris.data y = iris.target X_train, X_test, y_train, y_test = train_test_split(X, y, test_size
lightgbm_pmml_demo:从python导出的受过训练的lightgbm模型，以供Java调用
04-08
lightgbm_pmml_demo 从python导出的受过训练的lightgbm模型，以供Java调用
lightgbm模型保存为pmml文件 机器学习lgbm模型存为pmml文件 通过java调用jar
01-23
lightgbm模型保存为pmml文件 机器学习lgbm模型存为pmml文件， 使用方法查阅附件内容txt文件
机器学习平台系列（八） - 模型在线预测服务之模型转换PMML
蜗牛的专栏
12-15 2309
文章目录1.SparkML 本文介绍如何使用jpmml将各类模型转换成pmml文件，模型在线预测服务需要支持如下几类模型： 支持Spark ML的模型 支持Sklearn的模型 支持XGBoost 支持LightGBM 1.SparkML 从 Spark 中 LogisticRegressionModel 着手，分析是否有原生方法生成 PMML 文件。 在spark-mllib_2.11:2....
python训练XGB模型，使用Java调用踩坑
最新发布
大白的技术成长之路
06-26 392
Python训练xgb模型，使用Java调用，jpmml包将xgb模型文件转换为pmml文件，之后可以在Java中调用。但pmml文件中缺少了特征........
LGBM 模型保存为PMML 文件
暮雨听轩的专栏
06-24 1143
LGBM 模型保存为PMML格式
风控模型及特征的上线部署方法
weixin_45545159的博客
01-05 1738
序言： 作为年后的首篇实操干货文章，番茄风控一如既往向业内小伙伴输出相关的干货文章。有实操能落地，有数据可撸码，继续将会是番茄风控提供给各位小伙伴的业内标配内容。 近期，我们花费了时间容整理了目前业内各位小伙伴关心的内容，本次文章是其中一个问题就是模型跟规则在现有的风控系统内是如何规范上线的，基于此，我们给大家带来了这样的一篇内容。本次文章内容翔实，章节就有四大部分，内容绝对干货满满，实操性十足。老规矩，文章中提及的更详情(数据集+代码内容)可以直接到知识课堂中下载学习。 本文有理论，有方法，有实操，还有数
jpmml导出java文件_lightgbm模型通过pmml存储，在java中调用
weixin_30803191的博客
03-01 545
lightgbm模型是微软开源的一个模型，比xgboost快个10倍左右，原始训练使用的是c++，也提供了python接口，晚上摸索了下lightgbm在python中训练，转化为pmml语言，在java中调用，过程碰到不少坑，记录下，进行mvn clean install打包，在target目录下会生成一个converter-executable-1.2-SNAPSHOT.jar jar...
LightGBM模型文件保存pmml形式
Arvin2015的博客
11-04 2232
LightGBM保存pmml形式 1.先保存成txt文件 from sklearn2pmml import PMMLPipeline gbm.save_model("c:\\data_set\\lightgbm.txt") 2.再用 jpmml-lightgbm-executable-1.3-SNAPSHOT.jar 文件编译成pmml文件。进入到jar文件所在目录后执行以下命令： cd target java -jar jpmml-lightgbm-executable-1.3-SNAPSH..
总结一下利用pandas进行条件筛选的几个方法
热门推荐
Matrix_cc的博客
09-18 2万+
首先创建一个表： df = pd.DataFrame({'A':[100, 100, 200, 300, 400], 'B':['a', 'a', 'c', 'd', 'e'], 'C':[3, 2, 1, 5, 4]}) 生成出来的表如下所示： 1）找出df中A列值为100的所有数据 df[df.A==100] 这里也可以是小于（<）、大于（>）、小于等于（<=）、大于等于（&gt..
lightgbm 模型保存成 pmml
05-15
LightGBM是一种快速、高效、分布式的梯度提升决策树框架，它在机器学习和数据挖掘领域变得越来越流行。它以其良好的准确性和快速训练速度而闻名，也支持直接部署到线上场景。 PMML是一种标准的机器学习模型表示方式，全称Predictive Model Markup Language 。它是一种用于跨不同机器学习框架导出和导入分析模型的文件格式，这个格式是XML（可扩展标记语言）的一种子集。 通过将模型保存为PMML格式，我们可以轻松地将它们部署到其他框架或工具中使用。 如果想将LightGBM的模型保存为PMML格式，则需要使用将模型转换为PMML的库或工具。目前，有一些开源项目可以完成该转换，如jpmml-lightgbm。 具体实现步骤如下： 1. 安装jpmml-lightgbm库：可以通过pip install jpmml-lightgbm安装。 2. 将LightGBM模型加载到Python中：可以使用LightGBM的Python API将模型加载到Python的变量中 3. 使用jpmml-lightgbm库将模型保存为PMML格式：使用jpmml-lightgbm库中的LightGBMExporter类来将模型转化为PMML格式，并输出到指定的文件中。 最后，保存为PMML格式后可以将模型部署到其他机器学习框架或工具中使用。同时还可以通过PMML文件，将模型嵌入Web服务或导入到BI（商业智能）工具中进行分析。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值