Verwenden Sie die XGBoost C-API.
%Vor%Beachten Sie, wenn Sie ein vorhandenes Modell laden möchten (wie oben gezeigt), müssen Sie sicherstellen, dass das Datenformat im Training dasselbe ist wie bei der Vorhersage. Also, wenn Sie mit XGBoosterPredict voraussagen, das eine dichte Matrix als Parameter akzeptiert, müssen Sie im Training eine dichte Matrix verwenden.
Training mit dem libsvm-Format und Vorhersage mit dichter Matrix kann zu falschen Vorhersagen führen, wie XGBoost FAQ sagt:
"Sparse" -Elemente werden behandelt, als ob sie vom Baum-Booster "fehlen" und als Nullen vom linearen Booster. Für Baummodelle ist es wichtig, während des Trainings und des Scorings konsistente Datenformate zu verwenden.
Ich kenne kein Beispiel. Es gibt eine c_api.h Datei, die eine C / C ++ API für das Paket enthält, und Sie müssen Ihren Weg finden, es zu benutzen. Ich habe das gerade getan. Ich brauchte ein paar Stunden, um den Code zu lesen und einige Dinge auszuprobieren. Aber schließlich habe ich ein funktionierendes C ++ - Beispiel von xgboost erstellt.