在R环境中部署Amazon sagemaker生成的XGBoost模型

Question

我正在尝试在XGBoost环境中部署使用Amazon sagemaker训练的R模型。贤者生成的模型存储为Python泡菜对象。

使用R中的{reticulate}包，我可以将模型导入R。但是，与直接在Amazon sagemaker上使用模型相比，在R中本地使用模型可以提供非常不同的预测，在同一测试数据集上。我怀疑将python存储的XGBoost模型转换为R中可用的模型可能会出现问题。这是我用来进行转换的相关代码：

library(reticulate)
library(xgboost)

model <- py_load_object("sagemaker-model")
# save the model locally, to be reload into R
model$save_model("local-model")
model_R = xgb.load("local-model")

我之所以先在本地保存“ sagemaker-model”，然后使用R来读回它，是因为我想在R中使用本机xgboost进行预测，而不是依赖于网状结构进行预测。但是，这些预测显然是不正确的。

Answer 1

问题是在Python中，xgboost需要np.array作为输入。因此，您必须使用Dmatrix函数转换输入。

类似这样的东西：

dtrain <- xgb.DMatrix(train$data, label=train$label)