关于xgboost如何加载老版本模型的技巧分享

关于xgboost如何加载老版本模型的技巧分享

关于xgboost如何加载老版本模型的技巧分享

背景：
随着机器学习越来越火爆，第三方库也在不断更新迭代，那么如何将老版本库训练处的模型适配到新环境中，相信是大家早晚会遇到的问题。
简单来说解决方案有两种：
1.用新的环境，原来的数据重新训练一次（不够优雅）；
2.直接将现有模型升级到新版本兼容模式

目的：
本文分享xgboost如何将老版本模型升级到新版，满足项目环境要求

实操过程

环境申明

原有环境：python=3.6.6 xgboost=0.9
目标环境：python=3.8 xgboost=1.2.0

操作步骤

步骤一：创建好两个虚拟环境

环境一：

conda create -n py366 python==3.6.6
pip install xgboost==0.9

环境二：

conda create -n py366 python==3.8
pip install xgboost==1.2.0

步骤二：在环境一中加载源模型
一定要是.bin文件结尾，官网要求.json格式，实测解析失败

import xgboost
import pickle
# 模型加载
loaded_model = pickle.load(open('/XXX/model.pkl','rb'))
# 模型保存
loaded_model.save_model('test_model.bin')

步骤三：在环境二中升级模型

import xgboost as xgb
import pickle
#利用booster升级模型版本
booster = xgb.Booster()
booster.load_model('/xxx/test_model.bin')
#加载罪行模型
pickle.dump(booster, open("model.bst", "wb"))

大功告成！！！