Python coremltools无法将XGBoost分类器转换为coreML模型

我有一个关于coremltools的问题

我想将经过训练的

xgboost

分类器模型转换为

coreML

模型

import coremltools
import xgboost as xgb


X, y = get_data()

xgb_model = xgb.XGBClassifier()
xib_model.train(X, y)
coreml_model = coremltools.converters.xgboost.convert(xgb_model)
coremltools.save('my_model.mlmodel')

错误如下：

>>> coremltools.converters.xgboost.convert(xgb_model)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/Users/karas/.pyenv/versions/anaconda2-4.3.0/lib/python2.7/site-packages/coremltools/converters/xgboost/_tree.py", line 51, in convert
    return _MLModel(_convert_tree_ensemble(model, feature_names, target, force_32bit_float = force_32bit_float))
  File "/Users/karas/.pyenv/versions/anaconda2-4.3.0/lib/python2.7/site-packages/coremltools/converters/xgboost/_tree_ensemble.py", line 143, in convert_tree_ensemble
    raise TypeError("Unexpected type. Expecting XGBoost model.")
TypeError: Unexpected type. Expecting XGBoost model.

>>coremltools.converters.xgboost.convert（xgb\u型号）
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
文件“/Users/karas/.pyenv/versions/anaconda2-4.3.0/lib/python2.7/site packages/coremltools/converters/xgboost/_tree.py”，第51行，在convert中
返回MLModel（转换树集合（模型、特征名称、目标、强制32位浮点=强制32位浮点））
文件“/Users/karas/.pyenv/versions/anaconda2-4.3.0/lib/python2.7/site packages/coremltools/converts/xgboost/\u tree\u employ.py”，第143行，在convert\u tree\u employ中
raise TypeError（“意外类型。应为XGBoost模型。”）
TypeError:意外的类型。应为XGBoost模型。

快速解决方案：

coreml_model = coremltools.converters.xgboost.convert(xgb_model._Booster)

有关此转换器的详细信息： 我刚刚遇到了这个问题，所以我调试到

\u tree\u employ.py

，下面是我的发现：

第一个参数“model”应该是前两个数据的.json文件的路径。此外，如果使用.json文件，则必须提供第二个参数

feature\u names

此外，根据，还有另一种方法可以获得模型：

import numpy as np
import scipy.sparse
import pickle
import xgboost as xgb

### simple example
# load file from text file, also binary buffer generated by xgboost
dtrain = xgb.DMatrix('../data/agaricus.txt.train')
dtest = xgb.DMatrix('../data/agaricus.txt.test')

# specify parameters via map, definition are same as c++ version
param = {'max_depth':2, 'eta':1, 'silent':1, 'objective':'binary:logistic'}

# specify validations set to watch performance
watchlist = [(dtest, 'eval'), (dtrain, 'train')]
num_round = 2
booster = xgb.train(param, dtrain, num_round, watchlist)

注意

增压器

这里是

\u xgboost.core.booster

那你就可以了

import coremltools
coreml_model = coremltools.converters.xgboost.convert(booster)
coreml_model.save('my_model.mlmodel')

---

我使用了你的第一种方法，但现在的问题是，它需要100个不同的输入，而我希望它得到一个特征向量。我怎么办？你知道吗？就像f00，f01。。。谢谢你找到解决办法了吗？