xgboost java_xgboost模型通过pmml存储，在java中调用

xgboost已经提供丰富的java接口，再通过pmml调用显得没多大的意义，java底层用的c++写的预测方法，超级快，不过还是记录下，直接看看python代码，数据还是鸾尾花数据：

import pandas as pd

from xgboost.sklearn import XGBClassifier

from sklearn2pmml import PMMLPipeline

from sklearn_pandas import DataFrameMapper

from sklearn2pmml import sklearn2pmml

iris_df = pd.read_csv("xml/iris.csv")

clf = XGBClassifier(

silent=0 ,#设置成1则没有运行信息输出，最好是设置为0.是否在运行升级时打印消息。

#nthread=4,# cpu 线程数 默认最大

learning_rate= 0.3, # 如同学习率

min_child_weight=1,

# 这个参数默认是 1，是每个叶子里面 h 的和至少是多少，对正负样本不均衡时的 0-1 分类而言

#，假设 h 在 0.01 附近，min_child_weight 为 1 意味着叶子节点中最少需要包含 100 个样本。

#这个参数非常影响结果，控制叶子节点中二阶导的和的最小值，该参数值越小，越容易 overfitting。

max_depth=6, # 构建树的深度，越大越容易过拟合

gamma=0, #