如何将XGBoost导出的dump文本文件重构为可用的XGBoost模型

• 先确认三个核心参数和导出dump时的原始模型完全一致：目标函数类型、训练时的学习率、特征的命名和排序规则，这三个任意一个出错都会导致重建模型预测结果完全失准。
• 解析dump文本的结构：每个booster[i]对应一棵独立的决策树，每个节点分两类：
  • 分裂节点：格式为节点ID:[特征名<阈值] yes=左子节点ID,no=右子节点ID,missing=缺失值走向节点ID，特征值满足阈值条件走yes分支，不满足走no分支，特征值为空走missing指定的分支
  • 叶子节点：格式为节点ID:leaf=权重值，走到该节点直接返回对应的权重值
• 实现单棵树的推理逻辑：输入单个样本，从根节点（ID为0）开始逐层判断跳转，直到走到叶子节点，输出对应的叶子权重。
• 集成所有树的结果得到最终预测值：把1000棵树输出的权重累加后，根据原始任务类型做输出转换：
  • 二分类任务：累加结果传入sigmoid函数，输出0-1之间的概率值
  • 多分类任务：累加结果传入softmax函数，输出每个类别的概率
  • 回归任务：直接输出累加结果即可

如果你不想自己手写解析逻辑，可以先把dump文本批量转换为XGBoost支持的JSON模型格式，再直接调用xgb.Booster.load_model()加载使用，转换时只需要把每棵树的结构对应填入XGBoost JSON模型的树节点字段即可。

下面是Python版的最简解析推理示例代码：

import re
import math
from collections import defaultdict

# 解析dump文件
def parse_xgb_dump(dump_path):
    trees = []
    current_tree = None
    node_pattern = re.compile(r'(\d+):\[([^<]+)<([^\]]+)\] yes=(\d+),no=(\d+),missing=(\d+)')
    leaf_pattern = re.compile(r'(\d+):leaf=([\d\.-]+)')
    
    with open(dump_path, 'r', encoding='utf-8') as f:
        for line in f:
            line = line.strip()
            if not line:
                continue
            if line.startswith('booster['):
                if current_tree is not None:
                    trees.append(current_tree)
                current_tree = {}
                continue
            # 匹配分裂节点
            node_match = node_pattern.match(line)
            if node_match:
                node_id = int(node_match.group(1))
                feat = node_match.group(2)
                threshold = float(node_match.group(3))
                yes = int(node_match.group(4))
                no = int(node_match.group(5))
                missing = int(node_match.group(6))
                current_tree[node_id] = {
                    'type': 'split',
                    'feat': feat,
                    'threshold': threshold,
                    'yes': yes,
                    'no': no,
                    'missing': missing
                }
                continue
            # 匹配叶子节点
            leaf_match = leaf_pattern.match(line)
            if leaf_match:
                node_id = int(leaf_match.group(1))
                weight = float(leaf_match.group(2))
                current_tree[node_id] = {
                    'type': 'leaf',
                    'weight': weight
                }
    if current_tree:
        trees.append(current_tree)
    return trees

# 单样本预测
def predict_sample(trees, sample, task='binary'):
    total = 0.0
    for tree in trees:
        node = tree[0]
        while node['type'] == 'split':
            feat_val = sample.get(node['feat'], None)
            if feat_val is None:
                next_node_id = node['missing']
            elif feat_val < node['threshold']:
                next_node_id = node['yes']
            else:
                next_node_id = node['no']
            node = tree[next_node_id]
        total += node['weight']
    if task == 'binary':
        return 1 / (1 + math.exp(-total))
    elif task == 'regression':
        return total
    # 多分类逻辑可自行扩展

内容的提问来源于stack exchange，提问作者Rajesh Idumalla