生產(chǎn)環(huán)境很多時候是需要實(shí)時對數(shù)據(jù)進(jìn)行預(yù)測的，即離線訓(xùn)練好模型后將模型保存為模型文件，然后在線服務(wù)將模型加載到內(nèi)存

引入pom.xml

<dependency>
    <groupId>ai.catboost</groupId>
    <artifactId>catboost-common</artifactId>
    <version>0.26</version>
</dependency>

<dependency>
    <groupId>ai.catboost</groupId>
    <artifactId>catboost-prediction</artifactId>
    <version>0.26</version>
</dependency>

樣例代碼

需要注意的地方

1. catboost模型需要同時傳入float特征和category特征值
2. 需要將模型的預(yù)測值通過sigmod激活函數(shù)來映射為概率值

import ai.catboost.CatBoostModel;

List<String> floatFeatures;
List<String> categoryFeatures;
Map<String, String> feature = new HashMap(); // 輸入的特征值

try {
    CatBoostModel model = CatBoostModel.loadModel("model.cbm");
    CatBoostModel model = CatBoostModel.loadModel(InputStream is); // 也可以從InputStream加載模型

    float[] floatVector = new float[floatFeatures.size()];
    String[] categoryVector = new String[categoryFeatures.size()];
    for (int i = 0; i < floatFeatures.size(); i++) {
        String f = feature.getOrDefault(floatFeatures.get(i), "-1.0");
        floatVector[i] = Float.parseFloat(f);
    }
    for (int i = 0; i < categoryFeatures.size(); i++) {
        String f = feature.getOrDefault(categoryFeatures.get(i), "NA");
        categoryVector[i] = f;
    }
    CatBoostPredictions prediction = model.predict(floatVector, categoryVector);
    return 1.0 / (1.0 + Math.exp(-prediction.get(0, 0))); // 需要使用sigmod激活函數(shù)來轉(zhuǎn)化為概率值
} catch (CatBoostError e) {
    e.printStackTrace();
    return -1.0;
}

原文鏈接