生产环境很多时候是需要实时对数据进行预测的，即离线训练好模型后将模型保存为模型文件，然后在线服务将模型加载到内存
引入pom.xml
<dependency>
<groupId>ai.catboost</groupId>
<artifactId>catboost-common</artifactId>
<version>0.26</version>
</dependency>
<dependency>
<groupId>ai.catboost</groupId>
<artifactId>catboost-prediction</artifactId>
<version>0.26</version>
</dependency>
样例代码
需要注意的地方
- catboost模型需要同时传入float特征和category特征值
- 需要将模型的预测值通过sigmod激活函数来映射为概率值
import ai.catboost.CatBoostModel;
List<String> floatFeatures;
List<String> categoryFeatures;
Map<String, String> feature = new HashMap(); // 输入的特征值
try {
CatBoostModel model = CatBoostModel.loadModel("model.cbm");
CatBoostModel model = CatBoostModel.loadModel(InputStream is); // 也可以从InputStream加载模型
float[] floatVector = new float[floatFeatures.size()];
String[] categoryVector = new String[categoryFeatures.size()];
for (int i = 0; i < floatFeatures.size(); i++) {
String f = feature.getOrDefault(floatFeatures.get(i), "-1.0");
floatVector[i] = Float.parseFloat(f);
}
for (int i = 0; i < categoryFeatures.size(); i++) {
String f = feature.getOrDefault(categoryFeatures.get(i), "NA");
categoryVector[i] = f;
}
CatBoostPredictions prediction = model.predict(floatVector, categoryVector);
return 1.0 / (1.0 + Math.exp(-prediction.get(0, 0))); // 需要使用sigmod激活函数来转化为概率值
} catch (CatBoostError e) {
e.printStackTrace();
return -1.0;
}
