使用LightGBM C API Java封装预测：类别特征与数据结构疑问

一、LGBM_BoosterPredictForMatSingleRowFast 的 data 指针结构 #

官方文档未明确说明，但查看LightGBM源码（src/c_api.cpp）可知，该指针指向连续的特征值数组，数组元素类型必须和模型训练时的输入特征类型完全匹配（支持float32/float64），且特征顺序要与训练数据的特征顺序严格对应。

在Java封装场景下，需将Java特征数组（float[]或double[]）转换为原生内存的连续指针：

• 用JNA的话，可通过Memory分配对应大小的内存，写入数组元素后获取指针；
• 用JNI的话，调用GetFloatArrayElements或GetDoubleArrayElements获取数组的原生指针。

注意：LGBM_BoosterPredictForMatSingleRowFastInit会创建可复用的预测上下文，重复预测时无需重新初始化，能显著提升效率。

二、C API 中类别特征的表示 #

和Python逻辑一致，类别特征用整数编码表示，但必须满足两个核心要求：

1. 训练时标记类别特征：训练模型时必须通过categorical_feature参数明确指定哪些位置的特征是类别特征（比如categorical_feature=[1,3]表示下标为1、3的特征是类别特征）。如果训练时未标记，预测时即使传入整数也会被当作数值特征处理，导致结果异常。
2. 编码完全匹配：预测时传入的整数编码必须和训练数据中的编码完全一致。比如训练时某类别特征的"A"对应0、"B"对应1，预测时就必须用0和1表示这两个类别，不能用其他整数或字符串。

常见错误排查：

• 检查训练时是否正确设置categorical_feature参数；
• 确认预测时类别特征的位置、编码与训练数据完全一致；
• 若训练时开启handle_missing=true，训练时未出现过的整数会被当作缺失值处理，否则可能导致预测结果异常。

示例代码（JNA 场景） #

import com.sun.jna.Library;
import com.sun.jna.Native;
import com.sun.jna.Pointer;
import com.sun.jna.ptr.IntByReference;

public interface LightGBM extends Library {
    LightGBM INSTANCE = Native.load("lightgbm", LightGBM.class);

    long LGBM_BoosterPredictForMatSingleRowFastInit(long booster);
    int LGBM_BoosterPredictForMatSingleRowFast(long fast_ctx, Pointer data, int dtype, int num_feature,
                                               int is_raw_score, int is_pred_proba, int is_leaf, int num_iteration,
                                               float[] out_result, IntByReference out_len);
    void LGBM_BoosterPredictForMatSingleRowFree(long fast_ctx);
}

// 调用示例
public class LGBMPredictDemo {
    public static void main(String[] args) {
        long boosterPtr = ...; // 已加载的模型指针

        // 初始化快速预测上下文
        long fastCtx = LightGBM.INSTANCE.LGBM_BoosterPredictForMatSingleRowFastInit(boosterPtr);

        // 构造特征数组：假设4个特征，下标1的特征是类别特征
        float[] features = new float[]{0.8f, 2, 3.1f, 5.2f};
        // 分配原生内存并写入特征值
        Pointer data = new com.sun.jna.Memory(features.length * Float.BYTES);
        for (int i = 0; i < features.length; i++) {
            data.setFloat(i * Float.BYTES, features[i]);
        }

        // 执行预测
        IntByReference outLen = new IntByReference();
        float[] outResult = new float[1]; // 二分类场景，输出单个概率值
        int ret = LightGBM.INSTANCE.LGBM_BoosterPredictForMatSingleRowFast(
                fastCtx, data, 0, features.length, 0, 1, 0, 0, outResult, outLen
        );

        if (ret == 0) {
            System.out.println("预测结果：" + outResult[0]);
        }

        // 释放资源
        LightGBM.INSTANCE.LGBM_BoosterPredictForMatSingleRowFree(fastCtx);
    }
}

内容的提问来源于stack exchange，提问作者Vadim