windows下在Java中使用xgboost 详细配置教程

1. 资源准备

1.1 最新的xgboost4.07 版还没有windows下的编译工程，所以建议大家暂时先使用前一个版本的，官网上已经没有下载地址，下面是下载地址：http://blog.csdn.net/eddy_zheng/article/details/50496194

1.2 java 环境等自行搭建，jre建议使用1.7。使用VS2013 编译（xgboost JAVA编译，需使用2013及以上版本）. 下载安装 maven，配置路径.

2. 编译

这里编译参考前面的博文，比较详细，依次编译完成。http://blog.csdn.net/eddy_zheng/article/details/50184563 ；4个，依次都生成一下，这里记得在工程里面选 release X64 Or X32 ~

3. 打包

3.1 为了减少以后的导包麻烦，就将 ./xgboost-master/java/ 中的 xgboost4j 与 xgboost4j-demo 和二为一； 本想这里整理好供大家下载，想想还是写出来，供大家参考，以后可以自行更换版本~

进入以下路径：D:\xgboost-master\java\xgboost4j-demo\src\main\java\org\dmlc\xgboost4j ；复制 demo 整个文件夹，到以下文件夹中：
D:\xgboost-master\java\xgboost4j\src\main\java\org\dmlc\xgboost4j; 将 demo 文件夹 copy 进来；完成之后如下：

3.2 改写 xgboost-master\java\xgboost4j中的pom.xml

将以下代码，添加进pom.xml 文件：

<dependency>
            <groupId>org.apache.commonsgroupId>
            <artifactId>commons-lang3artifactId>
            <version>3.4version>
        dependency>

以下为添加完成之后的文件，可以对比下添加的位置，以后能自行添加。

<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0modelVersion>
    <groupId>org.dmlcgroupId>
    <artifactId>xgboost4jartifactId>
    <version>1.1version>
    <packaging>jarpackaging>
    <properties>
        <project.build.sourceEncoding>UTF-8project.build.sourceEncoding>
        <maven.compiler.source>1.7maven.compiler.source>
        <maven.compiler.target>1.7maven.compiler.target>
    properties>
    <reporting>
        <plugins>
            <plugin>          
                <groupId>org.apache.maven.pluginsgroupId>
                <artifactId>maven-javadoc-pluginartifactId>
                <version>2.10.3version>
            plugin>
        plugins>
    reporting>
    <dependencies>
        <dependency>
            <groupId>junitgroupId>
            <artifactId>junitartifactId>
            <version>4.11version>
            <scope>testscope>
        dependency>
        <dependency>
            <groupId>org.apache.commonsgroupId>
            <artifactId>commons-lang3artifactId>
            <version>3.4version>
        dependency>
        <dependency>
            <groupId>commons-logginggroupId>
            <artifactId>commons-loggingartifactId>
            <version>1.2version>
        dependency>
    dependencies>
project>

3.3 copy java xgboost 依赖库

进入到以下路径 ：D:\xgboost-master\java （以自己的安装路径为准），双击：create_wrap.bat 。成功之后，就会将你之前编译生成的 xgboostjavawrapper.dll 文件拷贝到 D:\xgboost-master\java\xgboost4j\src\main\resources\lib 下，如果刚才那个 .bat 文件没有执行成功，可手动将文件拷贝进去，自己根据路径创建文件夹就可以了。（– ，应该是不需要的）

3.4 mvn package

cmd 命令行，切换到以下路径，D:\xgboost-master\java\xgboost4j ,执行命令：mvn package

4 测试

打包成功就会在 D:\xgboost-master\java\xgboost4j\target 处生成 ： xgboost4j-1.1.jar 导入你的工程就可以工作了。这里还要提一下，xgboost 还依赖了两个 jar 包，在下面的工程里可以看到，自行下载添加。

具体测试步骤：找时间再写吧，眼花了，贴几个图，大家对照着看下应该没问题(图片有点大，看不清的可以 Ctri + 鼠标滑轮，放大点看，^_^！)。

测试代码在下面贴着：

import java.util.AbstractMap;
import java.util.ArrayList;
import java.util.List;
import java.util.Map;
import org.dmlc.xgboost4j.Booster;
import org.dmlc.xgboost4j.DMatrix;
import org.dmlc.xgboost4j.util.Trainer;

import org.dmlc.xgboost4j.demo.util.CustomEval;
import org.dmlc.xgboost4j.demo.util.Params;
import org.dmlc.xgboost4j.util.XGBoostError;


public class PredictFirstNtree {   
    public static void main(String[] args) throws XGBoostError {
        // load file from text file, also binary buffer generated by xgboost4j
        DMatrix trainMat = new DMatrix("D:/xgboost-master/demo/data/agaricus.txt.train");
        DMatrix testMat = new DMatrix("D:/xgboost-master/demo/data/agaricus.txt.test");

        //specify parameters
        Params param = new Params() {
            {
                put("eta", 0.001);
                put("max_depth", 3);
                put("eval_metric","auc");
                put("silent", 1);
                put("objective", "binary:logistic");
            }
        };

        //specify watchList
        List.Entry> watchs =  new ArrayList<>();
        watchs.add(new AbstractMap.SimpleEntry<>("train", trainMat));
        watchs.add(new AbstractMap.SimpleEntry<>("test", testMat));

        //train a booster
        int round = 1002;
        Booster booster = Trainer.train(param, trainMat, round, watchs, null, null);

        //predict use 1 tree
        float[][] predicts1 = booster.predict(testMat, false, 1);
        //by default all trees are used to do predict
        float[][] predicts2 = booster.predict(testMat);

        //use a simple evaluation class to check error result
        CustomEval eval = new CustomEval();
        System.out.println("error of predicts1: " + eval.eval(predicts1, testMat));
        System.out.println("error of predicts2: " + eval.eval(predicts2, testMat));
    }
}