XGBoost/LightGBM_人工智能平台 PAI(PAI)-阿里云帮助中心

EAS内置的GBDT Processor（包括XGBoost、LightGBM），支持将相应格式的模型部署成在线服务，并提供在线实时推理。本文为您介绍如何部署及调用GBDT模型服务。

背景信息

GBDT（Gradient Boosted Decision Trees）是一类机器学习算法，XGBoost和LightGBM是算法对应的高效工程实现。

在Designer上，使用GBDT或XGBoost组件训练的算法模型导出成相应格式，或您自己的模型均可部署到EAS中。

重要

从Designer上导出的GBDT模型可以直接通过PMML的Processor来进行部署，详情请参见PMML。

步骤一：部署服务

使用eascmd客户端部署模型服务时，您需要指定processor为xgboost或lightgbm，服务配置文件示例如下。

{
  "name": "gbdt_example",
  "processor": "<processor类型>",
  "model_path": "http://examplebucket.oss-cn-shanghai.aliyuncs.com/models/xgb_model.json",
  "metadata": {
    "instance": 1,
    "cpu": 1
  }
}

其中：<processor类型>：需要替换为xgboost或lightgbm。

关于如何使用客户端工具部署服务，详情请参见服务部署：EASCMD&DSW。

步骤二：调用服务

服务部署完成后，在PAI EAS模型在线服务页面，单击待调用服务服务方式列下的调用信息，查看服务访问的Endpoint和用于服务鉴权的Token信息。参考以下步骤进行服务调用。

构造服务请求。

GBDT服务的输入输出格式为JSON格式的数组，一次请求支持多条样本输入，示例如下。

[
  [14.87, 16.67, 98.64, 682.5, 0.1162, 0.1649, 0.169, 0.08923, 0.2157, 0.06768, 0.4266, 0.9489, 2.989, 41.18, 0.006985, 0.02563, 0.03011, 0.01271, 0.01602, 0.003884, 18.81, 27.37, 127.1, 1095.0, 0.1878, 0.448, 0.4704, 0.2027, 0.3585, 0.1065],
  [11.2, 29.37, 70.67, 386.0, 0.07449, 0.03558, 0.0, 0.0, 0.106, 0.05502, 0.3141, 3.896, 2.041, 22.81, 0.007594, 0.008878, 0.0, 0.0, 0.01989, 0.001773, 11.92, 38.3, 75.19, 439.6, 0.09267, 0.05494, 0.0, 0.0, 0.1566, 0.05905]
]

说明

实际发送服务请求时，可以去除JSON文件中的换行和空格，以减小网络传输，提升服务性能。

发送服务请求。

支持以下三种方式。

重要

直接通过HTTP Header传入，会使Token在网络中以明文方式传输；使用EAS提供的SDK，会使用Token对请求做签名后再发送，安全性更高。

通过在线调试发送服务请求。
在目标服务的在线调试页面，发送服务请求，详情请参见服务在线调试。

使用curl命令对服务进行快速请求测试。

服务提供HTTP访问入口，发送请求时，可以将鉴权Token直接通过HTTP Header传入，示例如下。

// 发送请求。 
curl -v 18284888792***.cn-shanghai.pai-eas.aliyuncs.com/api/predict/eas_gbdt_example \
      -H 'Authorization: YmE3NDkyMzdiMzNmMGM3ZmE4ZmNjZDk0M2NiMDA***' \
      -d '[[14.87, 16.67, 98.64, 682.5, 0.1162, 0.1649, 0.169, 0.08923, 0.2157, 0.06768, 0.4266, 0.9489, 2.989, 41.18, 0.006985, 0.02563, 0.03011, 0.01271, 0.01602, 0.003884, 18.81, 27.37, 127.1, 1095.0, 0.1878, 0.448, 0.4704, 0.2027, 0.3585, 0.1065], [11.2, 29.37, 70.67, 386.0, 0.07449, 0.03558, 0.0, 0.0, 0.106, 0.05502, 0.3141, 3.896, 2.041, 22.81, 0.007594, 0.008878, 0.0, 0.0, 0.01989, 0.001773, 11.92, 38.3, 75.19, 439.6, 0.09267, 0.05494, 0.0, 0.0, 0.1566, 0.05905]]'
// 返回如下结果。
[[0.0004703899612650275, 0.9877758026123047]]

使用Python SDK发送请求，详情请参见Python SDK使用说明。

示例代码如下。

#!/usr/bin/env python

from eas_prediction import PredictClient
from eas_prediction import StringRequest

if __name__ == '__main__':
    client = PredictClient('1828488879222***.cn-shanghai.pai-eas.aliyuncs.com', 'pmml_test')
    client.set_token('YmE3NDkyMzdiMzNmMGM3ZmE4ZmNjZDk0M2NiMDA***')
    client.init()


    req = StringRequest('[[0.0004703899612650275,0.9877758026123047]]')
    for x in range(100):
        resp = client.predict(req)
        print(resp)

其他语言客户端SDK使用说明，详情请参见服务调用SDK。