tutorial - ¿Cómo puedo llamar clasificadores scikit-learn desde Java?

processing tutorial

Question

Tengo un clasificador que entrené usando Python scikit-learn. ¿Cómo puedo usar el clasificador de un programa Java? ¿Puedo usar Jython? ¿Hay alguna manera de guardar el clasificador en Python y cargarlo en Java? ¿Hay alguna otra manera de usarlo?

Answer 1

Aquí hay algo de código para la solución JPMML:

--Parte de piña--

# helper function to determine the string columns which have to be one-hot-encoded in order to apply an estimator.
def determine_categorical_columns(df):
    categorical_columns = []
    x = 0
    for col in df.dtypes:
        if col == ''object'':
            val = df[df.columns[x]].iloc[0]
            if not isinstance(val,Decimal):
                categorical_columns.append(df.columns[x])
        x += 1
    return categorical_columns

categorical_columns = determine_categorical_columns(df)
other_columns = list(set(df.columns).difference(categorical_columns))


#construction of transformators for our example
labelBinarizers = [(d, LabelBinarizer()) for d in categorical_columns]
nones = [(d, None) for d in other_columns]
transformators = labelBinarizers+nones

mapper = DataFrameMapper(transformators,df_out=True)
gbc = GradientBoostingClassifier()

#construction of the pipeline
lm = PMMLPipeline([
    ("mapper", mapper),
    ("estimator", gbc)
])

--JAVA PART -

//Initialisation.
String pmmlFile = "ScikitLearnNew.pmml";
PMML pmml = org.jpmml.model.PMMLUtil.unmarshal(new FileInputStream(pmmlFile));
ModelEvaluatorFactory modelEvaluatorFactory = ModelEvaluatorFactory.newInstance();
MiningModelEvaluator evaluator = (MiningModelEvaluator) modelEvaluatorFactory.newModelEvaluator(pmml);

//Determine which features are required as input
HashMap<String, Field>() inputFieldMap = new HashMap<String, Field>();
for (int i = 0; i < evaluator.getInputFields().size();i++) {
  InputField curInputField = evaluator.getInputFields().get(i);
  String fieldName = curInputField.getName().getValue();
  inputFieldMap.put(fieldName.toLowerCase(),curInputField.getField());
}


//prediction

HashMap<String,String> argsMap = new HashMap<String,String>();
//... fill argsMap with input

Map<FieldName, ?> res;
// here we keep only features that are required by the model
Map<FieldName,String> args = new HashMap<FieldName, String>();
Iterator<String> iter = argsMap.keySet().iterator();
while (iter.hasNext()) {
  String key = iter.next();
  Field f = inputFieldMap.get(key);
  if (f != null) {
    FieldName name =f.getName();
    String value = argsMap.get(key);
    args.put(name, value);
  }
}
//the model is applied to input, a probability distribution is obtained
res = evaluator.evaluate(args);
SegmentResult segmentResult = (SegmentResult) res;
Object targetValue = segmentResult.getTargetValue();
ProbabilityDistribution probabilityDistribution = (ProbabilityDistribution) targetValue;

Answer 2

Hay JPMML proyecto JPMML para este propósito.

Primero, puede serializar el modelo scikit-learn a PMML (que es XML internamente) usando la biblioteca sklearn2pmml directamente desde python o sklearn2pmml en python primero y convertir usando jpmml-sklearn en java o desde una línea de comando proporcionada por esta biblioteca. A continuación, puede cargar el archivo pmml, deserializar y ejecutar el modelo cargado utilizando jpmml-evaluator en su código Java.

De esta manera no funciona con todos los modelos de scikit-learn, sino con many de ellos.

Answer 3

Me encontré en una situación similar. Recomiendo tallar un microservicio clasificador. Podría tener un microservicio clasificador que se ejecute en Python y luego exponga las llamadas a ese servicio a través de alguna API RESTFul que produzca el formato de intercambio de datos JSON / XML. Creo que este es un enfoque más limpio.

Answer 4

No se puede usar jython, ya que scikit-learn se basa en gran medida en numpy y scipy que tienen muchas extensiones compiladas de C y Fortran, por lo que no pueden funcionar en jython.

Las formas más fáciles de usar scikit-learn en un entorno java serían:

• exponga el clasificador como un servicio HTTP / Json, por ejemplo, utilizando un microframo como un flask o bottle o cornice y llámelo desde java utilizando una biblioteca de cliente HTTP

• escriba una aplicación de envoltorio de línea de comandos en python que lea datos en stdin y produzca predicciones en stdout usando algún formato como CSV o JSON (o alguna representación binaria de nivel inferior) y llame al programa python desde java, por ejemplo, utilizando Apache Commons Exec .

• haga que el programa python produzca los parámetros numéricos sin procesar aprendidos en el momento del ajuste (típicamente como una matriz de valores de punto flotante) y vuelva a implementar la función de predicción en java (esto es típicamente fácil para los modelos lineales predictivos donde la predicción es a menudo solo un producto puntual con umbral) .

El último enfoque será mucho más trabajo si también necesita volver a implementar la extracción de características en Java.

Finalmente, puede usar una biblioteca de Java como Weka o Mahout que implementa los algoritmos que necesita en lugar de intentar usar scikit-learn desde Java.

Answer 5

Puede utilizar un cargador, he probado el sklearn-porter ( https://github.com/nok/sklearn-porter ) y funciona bien para Java.

Mi código es el siguiente:

import pandas as pd
from sklearn import tree
from sklearn_porter import Porter

train_dataset = pd.read_csv(''./result2.csv'').as_matrix()

X_train = train_dataset[:90, :8]
Y_train = train_dataset[:90, 8:]

X_test = train_dataset[90:, :8]
Y_test = train_dataset[90:, 8:]

print X_train.shape
print Y_train.shape


clf = tree.DecisionTreeClassifier()
clf = clf.fit(X_train, Y_train)

porter = Porter(clf, language=''java'')
output = porter.export(embed_data=True)
print(output)

En mi caso, estoy usando un DecisionTreeClassifier, y la salida de

imprimir (salida)

Es el siguiente código como texto en la consola:

class DecisionTreeClassifier {

  private static int findMax(int[] nums) {
    int index = 0;
    for (int i = 0; i < nums.length; i++) {
        index = nums[i] > nums[index] ? i : index;
    }
    return index;
  }


  public static int predict(double[] features) {
    int[] classes = new int[2];

    if (features[5] <= 51.5) {
        if (features[6] <= 21.0) {

            // HUGE amount of ifs..........

        }
    }

    return findMax(classes);
  }

  public static void main(String[] args) {
    if (args.length == 8) {

        // Features:
        double[] features = new double[args.length];
        for (int i = 0, l = args.length; i < l; i++) {
            features[i] = Double.parseDouble(args[i]);
        }

        // Prediction:
        int prediction = DecisionTreeClassifier.predict(features);
        System.out.println(prediction);

    }
  }
}