LightGBM的模型保存

平时在使用LightGMB，需要保存训练好的模型。以下是梳理的几种方式：

使用 LightGBM 自带的 save_model 方法

import lightgbm as lgb

# 假设已经训练好的模型是 model
model = lgb.LGBMClassifier()
model.fit(X_train, y_train)

# 保存模型
model.booster_.save_model('model.txt')

# 加载模型
loaded_model = lgb.Booster(model_file='model.txt')
此方法将模型保存为一个文本文件 model.txt，可以在后续使用 lgb.Booster 加载。
由于你使用了 lightgbm.train 方法训练模型，而不是 Scikit-learn 风格的 LGBMClassifier。
在 LightGBM 的原生接口下，model 不需要访问 .booster_，因为 model 本身就是一个 Booster 对象。
# 直接保存模型
model.save_model('data/model.txt')

优点：

• 原生支持：LightGBM 自带方法，专为保存 LightGBM 模型设计。
• 速度快：保存和加载的效率非常高，因为只处理模型本身。
• 文件体积小：以文本格式保存，包含模型的所有必要信息（如树结构、超参数等）。
• 无额外依赖：无需安装其他库。

缺点：

• 功能有限：仅支持保存模型本身，不能保存完整的工作流（如数据预处理）。
• 跨工具兼容性差：保存为 .txt 文件，仅限于 LightGBM 解析。

适用场景：

• 轻量级任务：只需保存和加载 LightGBM 模型（不涉及复杂数据预处理）。
• 模型复现和调试：快速保存和加载模型，用于调试或轻量化部署。

性能：

• 保存/加载效率：高效。
• 文件大小：小。
• 易用性：非常简单，直接调用 API 即可。

使用 joblib 保存和加载

joblib 是一种快速、压缩的数据序列化方式，特别适合保存训练好的模型对象。

from joblib import dump, load
import lightgbm as lgb

# 假设已经训练好的模型是 model
model = lgb.LGBMClassifier()
model.fit(X_train, y_train)

# 保存模型
joblib.dump(model, 'model.pkl')

# 加载模型
loaded_model = joblib.load('model.pkl')

这种方法保存的是整个 LGBM 模型对象，适合与 Scikit-learn 管道一起使用。

优点：

• 快速序列化：适合保存较大的对象，包括模型和上下文。
• 兼容性好：与 Scikit-learn 流程和管道高度兼容。
• 支持压缩：可以通过压缩减少存储空间。

缺点：

• 对模型单一性要求高：仅适用于 Python 环境，不适合跨语言使用。
• 文件较大：相比 save_model 的文本文件，保存的二进制文件体积稍大。

适用场景：

• 与 Scikit-learn 管道集成：当模型与其他预处理组件一起保存。
• 中小型项目：需要快速保存并在 Python 环境中复现。

性能：

• 保存/加载效率：高效，但略低于 save_model。
• 文件大小：中等。
• 易用性：使用简单，适合 Scikit-learn 用户。

使用 Python 原生的 pickle 序列化

如果模型比较小，也可以使用 pickle 保存。

import pickle
import lightgbm as lgb

# 假设已经训练好的模型是 model
model = lgb.LGBMClassifier()
model.fit(X_train, y_train)

# 保存模型
with open('model.pkl', 'wb') as f:
    pickle.dump(model, f)

# 加载模型
with open('model.pkl', 'rb') as f:
    loaded_model = pickle.load(f)

优点：

• Python 原生支持：无需安装额外库。
• 灵活性高：可以序列化几乎任何 Python 对象。

缺点：

• 效率较低：序列化速度比 joblib 慢。
• 文件较大：文件体积通常较 save_model 和 joblib 大。
• 兼容性差：仅适用于 Python，且对跨平台支持较弱。

适用场景：

• 简单保存任务：快速保存模型，不涉及其他复杂需求。
• 开发调试：快速保存模型以便调试和测试。

性能：

• 保存/加载效率：慢于 save_model 和 joblib。
• 文件大小：较大。
• 易用性：使用简单，但不适合大规模生产。

使用 JSON 格式保存模型参数

LightGBM 模型还可以将模型参数以 JSON 格式导出，便于跨平台应用或在其他语言中加载。

# 导出为 JSON 格式
model_json = model.booster_.dump_model()

# 保存为 JSON 文件
import json
with open('model.json', 'w') as f:
    json.dump(model_json, f)

对比总结

• save_model: 推荐用于 LightGBM 自身的训练和推理，简单高效。
• joblib: 推荐用于与 Scikit-learn 一起使用，便于保存更多上下文信息。
• pickle: 通用方式，但效率和灵活性不如 joblib。
• JSON 格式: 适合跨平台需求，但仅保存模型结构和参数。

使用PMML文件进行保存

LightGBM 模型也可以导出为 PMML 文件，PMML (Predictive Model Markup Language) 是一种开放标准，用于表示数据挖掘模型。通过将 LightGBM 模型导出为 PMML 文件，可以实现模型的跨平台部署和与其他系统的集成。

下面是如何保存 LightGBM 模型为 PMML 文件的方法。

使用 sklearn2pmml 工具

sklearn2pmml 是一个流行的 Python 库，可以将兼容 Scikit-learn 接口的模型（例如 LightGBM 的 LGBMClassifier 和 LGBMRegressor）导出为 PMML 文件。

安装依赖

pip install sklearn2pmml
pip install pypmml  # 如果需要加载 PMML 文件

保存 PMML 文件

import pandas as pd
from sklearn2pmml import PMMLPipeline, sklearn2pmml
import lightgbm as lgb
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

# 加载数据集
data = load_iris()
X = pd.DataFrame(data.data, columns=data.feature_names)
y = pd.Series(data.target, name="target")

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建 LightGBM 模型
model = lgb.LGBMClassifier()
model.fit(X_train, y_train)

# 包装模型到 PMMLPipeline
pipeline = PMMLPipeline([
    ("model", model)
])

# 导出为 PMML 文件
sklearn2pmml(pipeline, "model.pmml", with_repr=True)

加载 PMML 文件并进行预测

如果需要加载 PMML 文件，可以使用 pypmml。

from pypmml import Model

# 加载 PMML 模型
pmml_model = Model.load('model.pmml')

# 进行预测
predictions = pmml_model.predict(X_test)
print(predictions)

使用 nyoka 工具

nyoka 是另一个用于生成 PMML 文件的 Python 库。

安装依赖

pip install nyoka

保存 PMML 文件

from nyoka import lgb_to_pmml
import lightgbm as lgb

# 假设已经训练好的模型
model = lgb.LGBMClassifier()
model.fit(X_train, y_train)

# 导出为 PMML 文件
lgb_to_pmml(model, feature_names=X_train.columns.tolist(), target_name="target", pmml_f_name="model.pmml")

sklearn2pmml和nyoka的对比

• sklearn2pmml:
  • 优势：支持完整的 Scikit-learn 管道，适合需要进行数据预处理的场景。
  • 限制：需要将模型封装为 PMMLPipeline。
• nyoka:
  • 优势：更直接地支持 LightGBM，适合仅保存模型的情况。
  • 限制：不支持复杂的管道，需要自行处理数据预处理。

优点：

• 跨平台支持：PMML 是开放标准，可在各种工具中加载（如 KNIME、RapidMiner）。
• 便于部署：适合模型的跨平台和跨语言部署。
• 模型透明度：PMML 文件可视化模型结构和参数。

缺点：

• 开发复杂度高：需要借助 sklearn2pmml 或 nyoka，额外步骤多。
• 性能较低：生成文件的时间和文件解析的开销较高。
• 文件较大：PMML 文件体积通常较大。

适用场景：

• 跨平台部署：模型需在多种语言或平台（如 Java）中使用。
• 与外部工具集成：需要与 BI 工具或外部分析工具交互。

性能：

• 保存/加载效率：最慢。
• 文件大小：最大。
• 易用性：复杂，需要额外开发工作。

综合对比表

推荐选择

• 首选 save_model：如果仅需要保存 LightGBM 模型本身，这是性能和易用性的最佳选择。
• 选用 joblib：如果需要与 Scikit-learn 或其他组件配合，joblib 提供了更高的灵活性。
• 备用 pickle：适用于小型项目或临时保存，但不推荐用于生产环境。
• 选用 PMML：如果需要跨语言或跨平台部署，PMML 是唯一合适的选择，尽管开发复杂度和性能较低。

如果不考虑跨平台兼容性，save_model 的效率和易用性最佳；若有更复杂的需求，可以视场景选择其他方式。