模型转代码：XGBoost等模型也能快速转纯C或Java代码

你是否常训练炫酷的机器学习模型，用来分析数据或执行某些新奇的任务？你是否发现你的模型只能在一定开发环境上才能跑起来，很难部署也很难加入其它程序？今天我们将介绍一个炫酷的工具，它可以把构建在 scikit-learn 或XGBoost等库上的 ML 模型直接转化为不需要任何依赖项的 Java/Python/C 源代码。

• 项目地址：https://github.com/BayesWitnesses/m2cgen/

那么转化为 Java/Python/C 源代码有什么用呢？想象一下如果我们使用 ML 框架（scikit-learn\XGBoost\LightGBM）训练了一个模型，现在我们希望把这个模型做成应用或嵌入到已有的模型中，那么我们肯定需要考虑这些问题：

• 如果产品环境并没有 Python 运行时怎么办？

• 如果产品不能通过云服务器进行计算，只能在本地进行怎么办？

• ML 模型的推断速度太慢又怎么办？

这些问题都很难解决，也是开发者在做自己项目时常遇到的问题。如果我们能将用 Python 和 ML 库构建的模型转换一下，变成纯 Java 或 C 写的代码，且这些代码不会依赖各种库，那么部署或嵌入不就简单了么。在 m2cgen 这个项目中，它就可以将 ML 模型转化为不带有依赖项的纯代码。

m2cgen（Model 2 Code Generator）是一个轻量级的 Python 库，它能快速便捷地将已训练统计模型转化为 Python、C 和 Java 代码。目前 m2cgen 已经支持各种分类模型与回归模型，包括 支持向量机 、 决策树 、 随机森林 和梯度提升树等，注意这些都是统计机器学习模型，深度神经网络还是老老实实使用 DL 框架吧。

模型转换效果

我们可以通过几个简单案例了解 m2cgen 是如何转换为纯代码的，简单而言即把模型架构和权重显化了。如下所示如果我们简单地训练一个线性回归模型，当然代码看着简单是因为我们直接调用了 scikit-learn 库中的模型。

from sklearn.datasets import load_boston
from sklearn import linear_model
import m2cgen as m2c

boston = load_boston()
X, y = boston.data, boston.target

estimator = linear_model.LinearRegression()
estimator.fit(X, y)

code = m2c.export_to_java(estimator)

上面最后一行将 scikit-learn 中的线性回归模型转化为 Java 代码，注意这个模型已经拟合了训练数据，或者说已经完成了训练。转化后的代码如下所示：

public class Model {

    public static double score(double[] input) {
        return (((((((((((((36.45948838508965) + ((input[0]) * (-0.10801135783679647))) + ((input[1]) * (0.04642045836688297))) + ((input[2]) * (0.02055862636707<mark data-type="institutions" data-id="e6402476-9c73-4340-b0c8-2b470157ce64">360</mark>8))) + ((input[3]) * (2.6867338193449406))) + ((input[4]) * (-17.76661122830004))) + ((input[5]) * (3.8098652068092163))) + ((input[6]) * (0.0006922246403454562))) + ((input[7]) * (-1.475566845600257))) + ((input[8]) * (0.30604947898516943))) + ((input[9]) * (-0.012334593916574394))) + ((input[10]) * (-0.9527472317072884))) + ((input[11]) * (0.009311683273794044))) + ((input[12]) * (-0.5247583778554867));
    }
}

如上 return 后面的语句，它就是一个线性回归的表达式，每一个 input[ * ] 都是一种特征，它后面的数值就是训练后的权重。所以整个线性模型有 13 个特征及对应权重，以及另外一个偏置项。

我们还可以找到更多的案例，如果我们用XGBoost训练一个简单的分类模型，我们可以看到转化的代码会大量使用 if-else 大法，不过我们本身也不用维护生成的代码，所以这种结构也没什么关系了。

import numpy as np
def score(input):
    if (input[2]) >= (2.5999999):
        var0 = -0.0731707439
    else:
        var0 = 0.142857149
    if (input[2]) >= (2.5999999):
        var1 = -0.0705206916
    else:
        var1 = 0.12477719
    var2 = np.exp(((0.5) + (var0)) + (var1))
    if (input[2]) >= (2.5999999):
        if (input[2]) >= (4.85000038):
            var3 = -0.0578680299
        else:
            var3 = 0.132596686
    else:
        var3 = -0.0714285821
    if (input[2]) >= (2.5999999):
        if (input[2]) >= (4.85000038):
            var4 = -0.0552999191
        else:
            var4 = 0.116139404
    else:
        var4 = -0.0687687024
    var5 = np.exp(((0.5) + (var3)) + (var4))
    if (input[2]) >= (4.85000038):
        if (input[3]) >= (1.75):
            var6 = 0.142011836
        else:
            var6 = 0.0405405387
    else:
        if (input[3]) >= (1.6500001):
            var6 = 0.0428571403
        else:
            var6 = -0.0730659068
    if (input[2]) >= (4.85000038):
        if (input[3]) >= (1.75):
            var7 = 0.124653712
        else:
            var7 = 0.035562478
    else:
        if (input[3]) >= (1.6500001):
            var7 = 0.0425687581
        else:
            var7 = -0.0704230517
    var8 = np.exp(((0.5) + (var6)) + (var7))
    var9 = ((var2) + (var5)) + (var8)
    return np.asarray([(var2) / (var9), (var5) / (var9), (var8) / (var9)])

不过上面这种代码也非常合理，本身决策树就可以视为一种 if-else 的规则集合，不同输入特征 input[ * ] 满足不同的条件就能得到不同的值，这些值最后能联合计算分类结果。

项目细节

工具的安装很简单，直接用 pip 就行了：

pip install m2cgen

除了前面那样在代码中调用转换工具，我们还能通过命令行使用序列化的模型目标（pickle protocol）生成代码：

$ m2cgen <pickle_file> --language <language> [--indent <indent>]
         [--class_name <class_name>] [--package_name <package_name>]
         [--recursion-limit <recursion_limit>]

目前项目支持以下分类和回归模型的转换：

分类模型输出结果：