我有一个使用Python中的scikit-learn训练出的分类器。如何在Java程序中使用这个分类器?我可以使用Jython吗?是否有办法在Python中保存分类器并在Java中加载它?还有其他的使用方法吗?
我有一个使用Python中的scikit-learn训练出的分类器。如何在Java程序中使用这个分类器?我可以使用Jython吗?是否有办法在Python中保存分类器并在Java中加载它?还有其他的使用方法吗?
由于scikit-learn严重依赖于numpy和scipy,这两个库有很多编译的C和Fortran扩展,因此无法在jython中使用。
在Java环境中使用scikit-learn最简单的方法是:
将分类器作为HTTP / Json服务公开,例如使用诸如 flask 或瓶子或cornice等微型框架,并使用HTTP客户端库从Java调用它。
编写一个命令行包装应用程序,该程序使用某种格式(例如CSV或JSON(或某些较低级别的二进制表示))从stdin读取数据并在stdout上输出预测,并使用Java从 python程序调用,例如使用Apache Commons Exec。
使Python程序输出在拟合时学习的原始数值参数(通常作为浮点值数组),然后在Java中重新实现预测函数(对于预测线性模型来说,这通常很容易,其中预测通常只是阈值化的点积)。
如果您还需要在Java中重新实现特征提取,则最后一种方法将需要更多的工作。
最后,您可以使用Java库(例如Weka或Mahout)来实现所需算法,而不是尝试从Java中使用scikit-learn。
为此目的有JPMML项目。
首先,您可以使用sklearn2pmml库将scikit-learn模型序列化为PMML(内部为XML),直接从python中进行转换或先在python中转储它并使用jpmml-sklearn在Java中进行转换或使用此库提供的命令行。接下来,您可以加载pmml文件,反序列化并使用jpmml-evaluator在您的Java代码中执行已加载的模型。
这种方法适用于不是所有scikit-learn模型,但与许多其他模型兼容。
正如一些评论者正确指出的那样,重要的是注意JPMML项目使用GNU AGPL许可证。AGPL是一个强制版权许可证,可能会限制您使用该项目的能力。例如,如果您开发了一个公共可访问的服务并希望保持源代码闭源。
import pandas as pd
from sklearn import tree
from sklearn_porter import Porter
train_dataset = pd.read_csv('./result2.csv').as_matrix()
X_train = train_dataset[:90, :8]
Y_train = train_dataset[:90, 8:]
X_test = train_dataset[90:, :8]
Y_test = train_dataset[90:, 8:]
print X_train.shape
print Y_train.shape
clf = tree.DecisionTreeClassifier()
clf = clf.fit(X_train, Y_train)
porter = Porter(clf, language='java')
output = porter.export(embed_data=True)
print(output)
在我的情况下,我正在使用DecisionTreeClassifier,并且
print(output)
的输出是控制台中以下代码的文本形式:
class DecisionTreeClassifier {
private static int findMax(int[] nums) {
int index = 0;
for (int i = 0; i < nums.length; i++) {
index = nums[i] > nums[index] ? i : index;
}
return index;
}
public static int predict(double[] features) {
int[] classes = new int[2];
if (features[5] <= 51.5) {
if (features[6] <= 21.0) {
// HUGE amount of ifs..........
}
}
return findMax(classes);
}
public static void main(String[] args) {
if (args.length == 8) {
// Features:
double[] features = new double[args.length];
for (int i = 0, l = args.length; i < l; i++) {
features[i] = Double.parseDouble(args[i]);
}
// Prediction:
int prediction = DecisionTreeClassifier.predict(features);
System.out.println(prediction);
}
}
}
# helper function to determine the string columns which have to be one-hot-encoded in order to apply an estimator.
def determine_categorical_columns(df):
categorical_columns = []
x = 0
for col in df.dtypes:
if col == 'object':
val = df[df.columns[x]].iloc[0]
if not isinstance(val,Decimal):
categorical_columns.append(df.columns[x])
x += 1
return categorical_columns
categorical_columns = determine_categorical_columns(df)
other_columns = list(set(df.columns).difference(categorical_columns))
#construction of transformators for our example
labelBinarizers = [(d, LabelBinarizer()) for d in categorical_columns]
nones = [(d, None) for d in other_columns]
transformators = labelBinarizers+nones
mapper = DataFrameMapper(transformators,df_out=True)
gbc = GradientBoostingClassifier()
#construction of the pipeline
lm = PMMLPipeline([
("mapper", mapper),
("estimator", gbc)
])
--JAVA PART --
//Initialisation.
String pmmlFile = "ScikitLearnNew.pmml";
PMML pmml = org.jpmml.model.PMMLUtil.unmarshal(new FileInputStream(pmmlFile));
ModelEvaluatorFactory modelEvaluatorFactory = ModelEvaluatorFactory.newInstance();
MiningModelEvaluator evaluator = (MiningModelEvaluator) modelEvaluatorFactory.newModelEvaluator(pmml);
//Determine which features are required as input
HashMap<String, Field>() inputFieldMap = new HashMap<String, Field>();
for (int i = 0; i < evaluator.getInputFields().size();i++) {
InputField curInputField = evaluator.getInputFields().get(i);
String fieldName = curInputField.getName().getValue();
inputFieldMap.put(fieldName.toLowerCase(),curInputField.getField());
}
//prediction
HashMap<String,String> argsMap = new HashMap<String,String>();
//... fill argsMap with input
Map<FieldName, ?> res;
// here we keep only features that are required by the model
Map<FieldName,String> args = new HashMap<FieldName, String>();
Iterator<String> iter = argsMap.keySet().iterator();
while (iter.hasNext()) {
String key = iter.next();
Field f = inputFieldMap.get(key);
if (f != null) {
FieldName name =f.getName();
String value = argsMap.get(key);
args.put(name, value);
}
}
//the model is applied to input, a probability distribution is obtained
res = evaluator.evaluate(args);
SegmentResult segmentResult = (SegmentResult) res;
Object targetValue = segmentResult.getTargetValue();
ProbabilityDistribution probabilityDistribution = (ProbabilityDistribution) targetValue;