Question

我有一个排名任务，我的训练数据如下所示：

session_id   item_id   item_features   target
---------------------------------------------
session1     item1     ...             1
session1     item2     ...             0
...
sessionN     item1     ...             0
sessionN     itemX     ...             10
sessionN     itemY     ...             0
...

我在R中使用xgboost，目标是“rank：pairwise”来训练模型。 xgboost期望分组数据（相同的session_id）在训练和测试集中聚集在一起。属于同一session_id的行必须使用函数setinfo（）指定（例如setinfo（model，'group'，group_info）。

当我在R中评估模型时，应用新数据非常有效。但是，我使用了包pmml将模型转换为pmml文件，以便在Java中使用它。

在Java中，pmml文件通过org.jpmml pmml-evaluator依赖项（v.3.3.15）进行解析和评估。但是，将与R中相同的数据提供给org.jpmml.evaluator.Evaluator会产生不同的结果。结果大多是负值 - 这在我的设置中没有有效结果 - 所有预测目标都应该是正值。

我提出了两种可能的解释：

我的方案中的pmml转换可能存在错误
我不知道，我可以在Java中使用等效的setinfo（）。由于我一次只将模型应用于单个会话，因此我觉得我不需要指定它。但也许，我错了。

请联系我以获取完整的工作示例，包括培训和测试数据，我将通过邮件发送。但对于初学者来说，这是训练模型的R代码：

library(xgboost)
example_matrix_train <- xgb.DMatrix(X, label = y)
setinfo(example_matrix_train, 'group', example_train_groupInfo)
example.model <- xgboost(data = example_matrix_train, objective = "rank:pairwise", max.depth = 8, eta = 0.2, nthread = 8, nround = 10, verbose=0)

library(pmml)
library(pmmlTransformations)
xgb.dump(example.model, "example.model.dumped.trees")
logfile <- file(paste0("pmml_example_model",Sys.Date(),".txt"), open="a")
sink(logfile)
pmml(example.model, inputFeatureNames = colnames(example_train), outputLabelName = "prediction1", xgbDumpFile = "example.model.dumped.trees")
sink()

欢迎任何帮助

Answer 1

我提出了两种可能的解释：pmml转换中可能存在错误

这是真正的解释 - pmml包为XGBoost模型生成错误的PMML。技术原因是它使用XGBoost文本转储文件作为输入，但其中包含的信息不完整（例如，舍入的阈值）。

如果您希望将XGBoost模型导出到PMML中，那么您应该使用r2pmml包，该包使用XGBoost二进制文件作为输入。

Answer 2

事实上，＆＃39; pmml＆＃39;套餐目前不支持＆＃39;排名：成对＆＃39;你需要的目标函数。即将发布的＆＃39; pmml＆＃39; package（版本1.5.3）包括对不支持的目标函数的检查。

从R中的xgboost创建的pmml模型导致与R中的原始模型不同的结果

2 个答案: