Golang高性能决策树梯度提升库插件catboost-cgo的使用

CatBoost-Cgo

CatBoost-Cgo是一个Golang库，提供了对CatBoost机器学习库的C API接口访问。CatBoost是一个高性能的梯度提升决策树库，特别适合处理类别特征。

兼容性

功能特性

支持的模型类型:

• CatBoostRegressor ✅
• CatBoostClassifier ✅
• CatBoostRanker ✅

支持的预测类型:

• RawFormulaVal ✅
• Probability ✅
• Class ✅
• RMSEWithUncertainty ✅
• Exponent ✅

安装

1. 安装catboost-cgo库:

go get github.com/mirecl/catboost-cgo

1. 从CatBoost发布页面下载共享库文件(.so或.dylib)

2. 将共享库放在以下位置之一:

   • /usr/local/lib
   • 或设置环境变量CATBOOST_LIBRARY_PATH
   • 或在代码中手动设置路径:

import (
 cb "github.com/mirecl/catboost-cgo/catboost"
)

func main(){
  cb.SetSharedLibraryPath(...)
}

使用示例

回归模型示例

package main

import (
	"fmt"
	"log"

	cb "github.com/mirecl/catboost-cgo/catboost"
)

func main() {
	// 1. 加载模型
	model, err := cb.LoadModelFromFile("model.cbm")
	if err != nil {
		log.Fatal(err)
	}
	defer model.Free()

	// 2. 准备特征数据
	floatFeatures := []float32{1.2, 3.4, 5.6}
	catFeatures := []string{"red", "small"}

	// 3. 进行预测
	result, err := model.Predict(floatFeatures, catFeatures, cb.RawFormulaVal)
	if err != nil {
		log.Fatal(err)
	}

	fmt.Printf("Prediction result: %f\n", result)
}

分类模型示例

package main

import (
	"fmt"
	"log"

	cb "github.com/mirecl/catboost-cgo/catboost"
)

func main() {
	// 1. 加载模型
	model, err := cb.LoadModelFromFile("classifier.cbm")
	if err != nil {
		log.Fatal(err)
	}
	defer model.Free()

	// 2. 准备特征数据
	floatFeatures := []float32{0.5, 1.8, 2.3}
	catFeatures := []string{"blue", "medium"}

	// 3. 进行概率预测
	prob, err := model.Predict(floatFeatures, catFeatures, cb.Probability)
	if err != nil {
		log.Fatal(err)
	}

	// 4. 获取类别预测
	class, err := model.Predict(floatFeatures, catFeatures, cb.Class)
	if err != nil {
		log.Fatal(err)
	}

	fmt.Printf("Probability: %f, Class: %f\n", prob, class)
}

排序模型示例

package main

import (
	"fmt"
	"log"

	cb "github.com/mirecl/catboost-cgo/catboost"
)

func main() {
	// 1. 加载排序模型
	model, err := cb.LoadModelFromFile("ranker.cbm")
	if err != nil {
		log.Fatal(err)
	}
	defer model.Free()

	// 2. 准备特征数据
	floatFeatures := []float32{0.8, 1.2, 0.5}
	catFeatures := []string{"premium", "high"}

	// 3. 进行排序预测
	score, err := model.Predict(floatFeatures, catFeatures, cb.RawFormulaVal)
	if err != nil {
		log.Fatal(err)
	}

	fmt.Printf("Ranking score: %f\n", score)
}

注意事项

1. 目前仅支持Linux和MacOS系统
2. GPU支持仅限于Linux平台且仅支持设备0
3. 支持数值和类别特征，但不支持文本和嵌入特征

更多使用示例可以参考库中的examples目录，包括回归、分类、排序等多种应用场景。