我有一个非常简单的数据集（30行32列）。
我编写了一个Python程序来加载数据并训练XGBoost模型，然后将模型保存到磁盘。
我还编译了一个使用libxgboost（C api）的C ++程序，并加载了用于推理的模型。
在使用SAME保存的模型时，Python和C ++对于相同的输入（一行全为零）给出不同的结果。
xgboost为0.90，我在此处附加了所有文件（包括numpy数据文件）：
https://www.dropbox.com/s/txao5ugq6mgssz8/xgboost_mismatch.tar?dl=0
这是两个程序的输出（其源文件位于.tar文件中）：
（在构建模型时会打印一些字符串，然后会打印单个数字输出）
$ python3 jl_functions_tiny.py
Loading data
Creating model
Training model
Saving model
Deleting model
Loading model
Testing model
[587558.2]
（它发出的单个数字显然与单个Python数字输出不匹配）
$ ./jl_functions
628180.062500
答案 0 :(得分：1)
在python和C ++中，不同的种子参数会导致不同的结果，因为在算法中使用了随机性，请尝试在Python和C ++中的第11行xgb.XGBregressor中设置seed =，甚至使用{ {1}}，在C ++中，来自numpy.random.seed(0)
答案 1 :(得分：0)
a）您正在将模型另存为model.save，这与特征向量排序有关，您可以在model.dump中尝试 xgboost load model in c++ (python -> c++ prediction scores mismatch)
b）请检查您未使用稀疏矩阵创建模型的python代码，我的直觉表明问题在这里
免责声明：我不是C ++专家，也不擅长任何其他事情，但是我发现这可能是预测不匹配的原因，而且我没有方便的环境来测试C ++和共享结果。