如何从 Java 调用 scikit-learn 分类器？

Question

我有一个使用 Python 的 scikit-learn 训练的分类器。如何使用 Java 程序中的分类器？我可以使用 Jython 吗？有没有办法在 Python 中保存分类器并在 Java 中加载它？有没有其他的使用方式？

Answer 1

或者，您也可以从经过训练的模型生成 Python 代码。这是一个可以帮助您解决问题的工具https://github.com/BayesWitnesses/m2cgen

Answer 2

我发现自己处于类似的境地。 我会推荐创建一个分类器微服务。您可以有一个在 python 中运行的分类器微服务，然后通过一些 RESTFul API 公开对该服务的调用，从而产生 JSON/XML 数据交换格式。我认为这是一种更清洁的方法。

Answer 3

您可以使用搬运工，我已经测试了 sklearn-porter (https://github.com/nok/sklearn-porter)，它适用于 Java。

我的代码如下：

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)

就我而言，我使用的是 DecisionTreeClassifier，以及

的输出

打印（输出）

以下代码是控制台中的文本：

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);

    }
  }
}

Answer 4

以下是 JPMML 解决方案的一些代码：

--Python部分--

# 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部分--

//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;

Answer 5

为此目的有JPMML项目。

首先，您可以直接从 python 使用sklearn2pmml 库将 scikit-learn 模型序列化为 PMML（内部是 XML），或者先将其转储到 python 中，然后在 java 中使用 jpmml-sklearn 或从这里提供的命令行进行转换图书馆。接下来，您可以在 Java 代码中使用 jpmml-evaluator 加载 pmml 文件、反序列化并执行加载的模型。

这种方式并非适用于所有 scikit-learn 模型，但适用于其中的 many。

Answer 6

您不能使用 jython，因为 scikit-learn 严重依赖 numpy 和 scipy，它们有许多编译的 C 和 Fortran 扩展，因此无法在 jython 中工作。

在 java 环境中使用 scikit-learn 的最简单方法是：

• 将分类器公开为 HTTP / Json 服务，例如使用 flask 或 bottle 或 cornice 等微框架，并使用 HTTP 客户端库从 java 调用它

  李>

• 在 python 中编写一个命令行包装应用程序，该应用程序读取标准输入上的数据并使用某种格式（如 CSV 或 JSON（或某些较低级别的二进制表示））在标准输出上输出预测，并从 java 调用 python 程序，例如使用 @ 987654324@.

• 让 python 程序输出拟合时学习到的原始数值参数（通常作为浮点值数组）并在 java 中重新实现预测函数（这对于预测通常很容易的线性预测模型只是一个阈值点积）。

如果您还需要在 Java 中重新实现特征提取，则最后一种方法的工作量会更大。

最后，您可以使用实现所需算法的 Java 库（例如 Weka 或 Mahout），而不是尝试从 Java 中使用 scikit-learn。