将用 python 训练的 XGBoost 模型移植到另一个用 C/C++ 编写的系统

Question

假设我已经在 python 中成功训练了一个 XGBoost 机器学习模型。

x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2, random_state=7)
model = XGBClassifier()
model.fit(x_train, y_train)
y_pred = model.predict(x_test)

我想将此模型移植到另一个将用 C/C++ 编写的系统。要做到这一点，我需要知道 XGboost 训练模型的内部逻辑，如果我没猜错的话，将它们翻译成一系列 if-then-else 语句，如决策树。

如何才能做到这一点？如何找出 XGBoost 训练模型的内部逻辑以在另一个系统上实现它？

我正在使用 python 3.7。

Answer 1

m2cgen是一个很棒的包，可以将 Scikit-Learn 兼容模型转换为原始代码。如果您正在使用 XGBoosts sklearn 包装器（它看起来像您），那么您可以简单地调用如下内容：

model = XGBClassifier()
model.fit(x_train, y_train)
 ...
import m2cgen as m2c

with open('./model.c','w') as f:
    code = m2c.export_to_c(model)
    f.write(code)

这个包真正棒的是，它支持许多不同类型的模型，例如

• 线性
• 支持向量机
• 树
• 随机森林
• 提升

还有一件事。m2cgen 还支持多种语言，例如

• C
• C＃
• 镖
• 走
• 哈斯克尔
• 爪哇
• JavaScript
• PHP
• 电源外壳
• Python
• 电阻
• 视觉基础

我希望这有帮助！

Answer 2

有人写了一个脚本来做到这一点。查看https://github.com/popcorn/xgb2cpp