JPMML-LightGBM 使用教程
项目介绍
JPMML-LightGBM 是一个 Java 库和命令行应用程序,用于将 LightGBM 模型转换为 PMML(Predictive Model Markup Language)格式。该项目由 Openscoring Ltd 开发和维护,适用于需要在 Java/JVM 平台上部署 LightGBM 模型的场景。JPMML-LightGBM 遵循 AGPL-3.0 许可协议,但也可以通过签订许可协议,将其用于专有软件项目。
项目快速启动
环境要求
- LightGBM 2.0.0 或更新版本
- Java 1.8 或更新版本
安装步骤
- 克隆项目仓库:
git clone https://github.com/jpmml/jpmml-lightgbm.git
- 进入项目根目录并使用 Apache Maven 构建项目:
cd jpmml-lightgbm mvn clean install
- 构建完成后,会生成一个库 JAR 文件和一个可执行的 uber-JAR 文件:
pmml-lightgbm/target/pmml-lightgbm-1.5-SNAPSHOT.jar pmml-lightgbm-example/target/pmml-lightgbm-example-executable-1.5-SNAPSHOT.jar
使用示例
- 使用 LightGBM 训练一个模型并保存到文本文件:
library("lightgbm") df = read.csv("Audit.csv", stringsAsFactors = TRUE) X = df[c("Age", "Hours", "Income", "Education", "Employment", "Gender", "Marital", "Occupation")] y = df[["Adjusted"]] cat_cols = c("Education", "Employment", "Gender", "Marital", "Occupation") for(cat_col in cat_cols) { X[[cat_col]] = as.integer(X[[cat_col]]) - 1 } dtrain = lgb.Dataset(as.matrix(X), label = y, categorical_feature = cat_cols) params = list("objective" = "binary", "num_iterations" = 131) audit_booster = lgb.train(params, dtrain) lgb.save.model(audit_booster, "LightGBMAudit.txt")
- 使用 JPMML-LightGBM 命令行转换器将文本文件转换为 PMML 文件:
java -jar pmml-lightgbm-example/target/pmml-lightgbm-example-executable-1.5-SNAPSHOT.jar --lgbm-input LightGBMAudit.txt --pmml-output LightGBMAudit.pmml
应用案例和最佳实践
案例一:审计数据分类
使用 Audit.csv
数据集训练一个二分类模型,并将模型转换为 PMML 格式,以便在 Java/JVM 平台上部署。
最佳实践
- 数据预处理:确保所有分类特征已正确编码为整数。
- 模型参数调优:根据具体任务调整 LightGBM 的参数,以获得最佳性能。
- 模型转换:使用 JPMML-LightGBM 将训练好的模型转换为 PMML 格式,确保模型在不同平台间的兼容性。
典型生态项目
JPMML-Evaluator
JPMML-Evaluator 是一个 Java 库,用于在 Java/JVM 平台上评估 PMML 模型。它与 JPMML-LightGBM 配合使用,可以实现从模型训练到部署的全流程。
Openscoring
Openscoring 是一个 REST web 服务,用于部署和管理 PMML 模型。通过 Openscoring,可以将 JPMML-LightGBM 转换的 PMML 模型部署为可远程调用的服务。
通过这些生态项目的配合,可以构建一个完整的机器学习模型开发和部署流程。