Scikit learn 将xgboost.Booster的实例转换为实现scikit学习API的模型

我正在尝试使用

mlflow

保存模型，然后稍后加载以进行预测

我正在使用

xgboost.XGBRegressor

模型及其sklearn函数

.predict（）

和

.predict_proba（）

进行预测，但结果是

mlflow

不支持实现sklearn API的模型，因此稍后从mlflow加载模型时，mlflow返回

xgboost.Booster

的实例，它不实现

.predict（）

或

.predict\u proba（）

函数

---

有没有办法将

xgboost.Booster

转换回实现sklearn API函数的

xgboost.sklearn.XGBRegressor

对象？

您是否尝试过在自定义类中封装模型，使用

mlflow.pyfunc.PythonModel

记录并加载它？ 我举了一个简单的例子，加载回模型后，它正确地将

显示为一个类型

例如：

import xgboost as xgb
xg_reg = xgb.XGBRegressor(...)

class CustomModel(mlflow.pyfunc.PythonModel):
    def __init__(self, xgbRegressor):
        self.xgbRegressor = xgbRegressor

    def predict(self, context, input_data):
        print(type(self.xgbRegressor))
        
        return self.xgbRegressor.predict(input_data)

# Log model to local directory
with mlflow.start_run():
     custom_model = CustomModel(xg_reg)
     mlflow.pyfunc.log_model("custome_model", python_model=custom_model)


# Load model back
from mlflow.pyfunc import load_model
model = load_model("/mlruns/0/../artifacts/custome_model")
model.predict(X_test)

输出：

<class 'xgboost.sklearn.XGBRegressor'>
[ 9.107417 ]

[ 9.107417 ]