如何将lightgbm模型存为pmml文件

最新推荐文章于 2024-08-07 14:48:28 发布
最新推荐文章于 2024-08-07 14:48:28 发布
阅读量1.5k 收藏 4
点赞数
文章标签： python lightgbm pmml
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/yinjun3215/article/details/120703574
版权

1.下载jpmml-lightgbm文件
https://github.com/jpmml/jpmml-lightgbm
在这里插入图片描述
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
在这里插入图片描述
成功，会在当前目录下生成target文件
cd target
ls
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
先将lightgbm存为txt文件,路径为: /home/yanfa/lightgbm.txt
在target目录下执行如下命令：
java -jar jpmml-lightgbm-executable-1.3-SNAPSHOT.jar --lgbm-input /home/yanfa/lightgbm.txt --pmml-output /home/yanfa/lightgbm.pmml
在这里插入图片描述
转换成功

青云--
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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
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
xgb和lgb模型文件转pmml环境配置及步骤
nuannuan_lay的博客
06-07 538
首先，需要配置好maven环境，用于第二步的和环境的配置，具体的安装步骤可参考以下教程。
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
lightgbm模型保存为pmml文件，并加载
最新发布
m0_63841024的博客
08-07 403
5.在pmml-lightgbm-example目录下会生成target文件，target目录下会生成.jar文件7.在此目录下可生成.pmml文件。
LightGBM模型文件保存pmml形式
Arvin2015的博客
11-04 2317
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..
[PMML] LightGBM模型保存为PMML文件，通过Java或者Python调用
藏知阁
06-01 4014
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
MAC系统 LightGBM模型转为pmml格式
Matrix_cc的博客
01-28 1032
MAC系统 LightGBM模型转为pmml格式 相关流程
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
定制版LightGBM
06-24
本文件主要基于微软开源的LightGBM项目，对其中的application.h,application.hpp,predictor.hpp文件进行修改，添加用于实时预测的C++ API ，方便用户部署预测速度飞快的C/C++线上预测模型。
jpmml-lightgbm-executable-1.3.7.jar
10-11
jpmml-lightgbm-executable-1.3.7.jar
nyoka：Nyoka是用于将MLDL模型导出到PMML（PMML 4.4.1标准）的Python库。
02-05
除了约500个Python类（每个都覆盖一个PMML标签和标准中定义的所有构造函数参数/属性）外，Nyoka还提供了越来越多的便捷类和函数，例如通过读取或编写任何PMML文件，它们使数据科学家的工作变得更加轻松您最喜欢的...
LightGBM模型保存为PMML文件，通过Java调用
panhuibincsdn的博客
01-22 2049
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
lightgbm模型通过pmml存储，在java中调用
热门推荐
luoyexuge的专栏
04-26 1万+
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，首先是  git clone  https://github.com/jpmml/jpmml-lightgbm/tree/master/src/main/java/...
R语言使用lightgbm包构建二分类的LightGBM模型、输出二分类混淆矩阵（包含：准确率及其置信区、p值、Kappa、特异度、灵敏度等）
statistics+insight+vista+power
01-10 669
R语言使用lightgbm包构建二分类的LightGBM模型、输出二分类混淆矩阵（包含：准确率及其置信区、p值、Kappa、特异度、灵敏度等）
lightgbm权重转pmml时候如何修复变量上下界问题
yang1015661763的博客
07-22 245
修复该问题有两种方法，一个是人为的在转pmml文件里把变量的上下界进行修改，比如年龄原值范围0-99，修改成-9999999999~9999999999这个范围；使用离群值处理方法：如果超出边界的值被视为离群值，并且不符合模型的预期行为，可以使用离群值处理方法来处理这些数据点。请注意，在处理超出边界的预测数据时，需要根据具体问题和数据的特点选择适当的方法。根据数据的分布和领域知识，对于超出边界的情况进行合理的处理，以确保预测结果的准确性和可靠性。如果存在，则可以对这些值进行修正或采取其他合适的处理方式。
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。
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