一码在手，天下我有 —— m2cgen 让机器学习模型跨语言无缝转换
m2cgen（Model 2 Code Generator）是一个轻量级的库，它提供了一个简单的方法，可以将训练好的统计模型转换成原生代码，支持多种编程语言，包括 Python、C、Java、Go、JavaScript、Visual Basic、C#、PowerShell、R、PHP、Dart、Haskell、Ruby、F#、Rust 和 Elixir。
安装
支持的 Python 版本是>= 3.7。
pip install m2cgen
开发
在提交 PR 之前，请确保以下命令可以成功运行：
make pre-pr
或者，你可以运行相同命令的 Docker 版本：
make docker-build docker-pre-pr
支持的语言
C C# Dart F# Go Haskell Java JavaScript PHP PowerShell Python R Ruby Rust Visual Basic (与 VBA 兼容) Elixir
支持的模型
| 类型 | 分类 | 回归 |
|---|---|---|
| 线性模型 | LogisticRegression 等 | ARDRegression 等 |
| SVM | LinearSVC、NuSVC 等 | LinearSVR、NuSVR 等 |
| 树模型 | DecisionTreeClassifier 等 | DecisionTreeRegressor 等 |
| 随机森林 | RandomForestClassifier 等 | RandomForestRegressor 等 |
| 提升方法 | LGBMClassifier(gbdt/dart/goss)等 | LGBMRegressor(gbdt/dart/goss)等 |
CI 测试保证兼容性的包版本可以在这里[1]找到。其他版本也可能得到支持，但尚未经过测试。
分类输出
线性/线性 SVM/核 SVM：二元分类输出为样本到超平面的有符号距离；多类分类输出为每个类别的有符号距离向量。 SVM：异常检测、二元和多类分类输出。 树/随机森林/提升方法：二元和多类分类输出为类概率向量。
使用方法
以下是一个简单的示例，展示如何在 Java 代码中表示在 Python 环境中训练的线性模型：
from sklearn.datasets import load_diabetes
from sklearn import linear_model
import m2cgen as m2c
X, y = load_diabetes(return_X_y=True)
estimator = linear_model.LinearRegression()
estimator.fit(X, y)
code = m2c.export_to_java(estimator)
生成的 Java 代码示例：
public class Model {
public static double score(double[] input) {
return ((((((((((152.1334841628965) + ((input[0]) * (-10.012197817470472))) + ... ) + ((input[9]) * (67.62538639104406));
}
}
更多不同模型/语言生成的代码示例可以在这里[2]找到。
命令行界面（CLI）
m2cgen 可以用作 CLI 工具，使用序列化的模型对象（pickle 协议）生成代码：
$ m2cgen <pickle_file> --language <language> [--indent <indent>] [--function_name <function_name>]
[--class_name <class_name>] [--module_name <module_name>] [--package_name <package_name>]
[--namespace <namespace>] [--recursion-limit <recursion_limit>]
注意，对于反序列化序列化的模型对象，它们的类必须在反序列化环境中可导入模块的顶层定义。
也支持管道：
$ cat <pickle_file> | m2cgen --language <language>
常见问题解答（FAQ）
Q: 生成失败，出现
RecursionError: maximum recursion depth exceeded错误。
A: 如果在生成代码时出现此错误，请尝试减少该模型中的训练估计器数量。或者，你可以使用sys.setrecursionlimit(<new_depth>)增加最大递归深度。Q: 在从序列化的模型对象转换模型时生成失败，出现
ImportError: No module named <module_name_here>错误。
A: 此错误表明 pickle 协议无法反序列化模型对象。对于反序列化序列化的模型对象，需要它们的类在反序列化环境中可导入模块的顶层定义。因此，安装提供模型类定义的包应该可以解决问题。Q: 由 m2cgen 生成的代码对于一些输入与原始 Python 模型的结果不同。
A: 一些模型在它们的原生 Python 库中在预测阶段会强制输入数据为特定类型。目前，m2cgen 仅使用float64（double）数据类型。你可以尝试手动将输入数据转换为另一种类型并再次检查结果。此外，由于目标语言中浮点算术的特定实现，可能会有一些小的差异。
附录
https://github.com/BayesWitnesses/m2cgen
这里: https://github.com/BayesWitnesses/m2cgen/blob/master/requirements-test.txt#L1
[2]这里: https://github.com/BayesWitnesses/m2cgen/tree/master/generated_code_examples
