Java开发者玩转机器学习的利器: Tribuo
Java开发者玩转机器学习的利器: Tribuo
1. 概述
机器学习（ML）和人工智能（AI）正在推动软件开发的变革，使系统能够通过数据学习并做出智能预测。
作为一名Java开发者，如果要训练自己的预测模型，是不是第一想到的还是把Python拿起来？其实不一定非要拿起Python，在Java领域也有自己的生产级机器学习工具，它支持分类、回归、聚类等常见任务，还能无缝对接 TensorFlow 等框架，用 Java 就能直接训模型、做预测！
它就是：Tribuo，是 Oracle 推出的面向生产环境的开源机器学习库，极大简化了健壮 ML 模型的构建与部署。与 Weka 和 Deeplearning4j 类似，Tribuo 支持多种机器学习任务，并能轻松集成到 Java 应用中。
接下来本文我们将了解 Tribuo 支持的多种机器学习算法，并以 UCI 红葡萄酒质量数据集为例，构建一个用于预测葡萄酒质量的回归模型。
2. 什么是 Tribuo？
Tribuo 是一个以 Java 为核心的机器学习库，支持：
- 监督学习：如回归、分类等
- 无监督学习：如聚类
此外，Tribuo 拥有强类型特性，能够强制输入输出类型一致，有效防止运行时错误，确保模型开发过程的规范性。
它支持以 ONNX（开放神经网络交换）格式导入和导出模型，便于与 TensorFlow、PyTorch 等主流 ML 框架集成。
另一个亮点是 provenance（溯源）追踪功能，可记录数据集、模型参数和训练配置等元数据，提升透明度和可复现性。
随着 AI 在企业级 Java 应用中的普及，Tribuo 为在 Java 系统中直接嵌入智能行为提供了实用工具包。
3. 支持的机器学习算法
Tribuo 支持多种机器学习任务，包括：
- 分类：预测离散类别或标签。例如，预测一支足球队是否会获胜，或根据质量阈值将葡萄酒分为好或坏。
- 回归：预测连续值，如葡萄酒质量分数或患者胆固醇水平。
- 聚类：在无标签数据中识别分组。例如，可以根据酸度、酒精含量等化学属性对葡萄酒进行分组，而无需知道其质量分数。
4. 搭建 Tribuo 项目
我们将通过构建一个葡萄酒质量回归预测模型，体验 Tribuo 的实际应用。
首先，在 pom.xml 中添加 Tribuo 依赖：
<dependency>
<groupId>org.tribuo</groupId>
<artifactId>tribuo-all</artifactId>
<version>4.3.2</version>
</dependency>
tribuo-all 依赖提供了加载和训练数据集所需的相关类。
然后，下载 UCI 红葡萄酒质量数据集，并放置到 src/main/resources/dataset 目录下。该数据集包含 11 个理化特征，如酸度和酒精含量：
quality 列是一个适合回归任务的连续数值。
最后，创建一个名为 WineQualityRegression 的类：
public class WineQualityRegression {
}
后续章节将在该类中实现训练和保存模型的相关逻辑。
5. 类级变量
接下来，定义如下类级变量：
public static final String DATASET_PATH = "src/main/resources/dataset/winequality-red.csv";
public static final String MODEL_PATH = "src/main/resources/model/winequality-red-regressor.ser";
public Model<Regressor> model;
public Trainer<Regressor> trainer;
public Dataset<Regressor> trainSet;
public Dataset<Regressor> testSet;
上述代码中，我们定义了数据集路径和训练模型保存/加载路径。
随后，定义了四个变量，分别代表：
Model—— 存储预测模型的类Trainer—— 可训练预测模型的接口Dataset—— 用于训练的数据集类
此外，我们显式指定了模型输出类型为 Regressor。
6. 加载与划分数据集
定义一个方法用于加载并划分数据集：
void createDatasets() throws Exception {
RegressionFactory regressionFactory = new RegressionFactory();
CSVLoader<Regressor> csvLoader = new CSVLoader<>(';', CSVIterator.QUOTE, regressionFactory);
DataSource<Regressor> dataSource = csvLoader.loadDataSource(Paths.get(DATASET_PATH), "quality");
TrainTestSplitter<Regressor> dataSplitter = new TrainTestSplitter<>(dataSource, 0.7, 1L);
trainSet = new MutableDataset<>(dataSplitter.getTrain());
testSet = new MutableDataset<>(dataSplitter.getTest());
}
这里，我们用 CSVLoader 解析分号分隔的 CSV 文件并为回归任务做准备。RegressionFactory 用于创建回归输出，指定目标变量 quality 为连续变量。DataSource<Regressor> 保存解析后的数据。
随后，为了评估模型的泛化能力和表现，使用 TrainTestSplitter 将数据集按 7:3 划分为训练集和测试集。
7. 训练回归模型
由于葡萄酒质量分数为数值型，我们采用分类与回归树（CART）作为基学习器进行训练：
void createTrainer() {
CARTRegressionTrainer subsamplingTree = new CARTRegressionTrainer(
Integer.MAX_VALUE,
AbstractCARTTrainer.MIN_EXAMPLES,
0.001f,
0.7f,
new MeanSquaredError(),
Trainer.DEFAULT_SEED
);
trainer = new RandomForestTrainer<>(subsamplingTree, new AveragingCombiner(), 10);
model = trainer.train(trainSet);
}
上述方法中，CARTRegressionTrainer 配置了无最大深度、每次分裂最少 6 个样本、以均方误差为分裂标准。随后，RandomForestTrainer 结合 10 棵 CART 决策树，并用 AveragingCombiner 平均预测结果。
train() 方法在 trainSet 数据集上训练模型，生成用于预测葡萄酒质量分数的 Model<Regressor>。
8. 评估
接下来，使用 RegressionEvaluator 评估模型在数据集上的表现，计算相关指标：
void evaluate(Model<Regressor> model, String datasetName, Dataset<Regressor> dataset) {
RegressionEvaluator evaluator = new RegressionEvaluator();
RegressionEvaluation evaluation = evaluator.evaluate(model, dataset);
Regressor dimension0 = new Regressor("DIM-0", Double.NaN);
log.info("MAE: " + evaluation.mae(dimension0));
log.info("RMSE: " + evaluation.rmse(dimension0));
log.info("R^2: " + evaluation.r2(dimension0));
}
RegressionEvaluator 用于评估模型在数据集上的表现。我们将 MAE（平均绝对误差）、RMSE（均方根误差）和 R^2（决定系数）输出到控制台。
随后，调用 evaluate() 方法评估模型和数据集：
void evaluateModels() throws Exception {
log.info("Training model");
evaluate(model, "trainSet", trainSet);
log.info("Testing model");
evaluate(model, "testSet", testSet);
}
执行程序后，训练集和测试集的评估结果如下：
07:10:14.405 [main] INFO tribuo.WineQualityRegression - Training model
07:10:14.406 [main] INFO tribuo.WineQualityRegression - Results for trainSet---------------------
07:10:14.537 [main] INFO tribuo.WineQualityRegression - MAE: 0.25025410332970005
07:10:14.537 [main] INFO tribuo.WineQualityRegression - RMSE: 0.3422557198486092
07:10:14.538 [main] INFO tribuo.WineQualityRegression - R^2: 0.8190947891297661
07:10:14.538 [main] INFO tribuo.WineQualityRegression - Testing model
07:10:14.540 [main] INFO tribuo.WineQualityRegression - Results for testSet---------------------
07:10:14.565 [main] INFO tribuo.WineQualityRegression - MAE: 0.48711029366796743
07:10:14.565 [main] INFO tribuo.WineQualityRegression - RMSE: 0.6584973595553575
07:10:14.565 [main] INFO tribuo.WineQualityRegression - R^2: 0.3444460580874339
MAE 表示预测值与实际值的绝对差异，RMSE 表示预测值与实际值的平方差均值的平方根，R^2 表示模型对训练和测试数据方差的解释能力。
更低的 MAE 和 RMSE，以及更高的 R^2，意味着模型预测性能更优。
9. 保存模型
最后，将模型保存为文件以便后续复用：
void saveModel() throws Exception {
File modelFile = new File(MODEL_PATH);
try (ObjectOutputStream objectOutputStream = new ObjectOutputStream(new FileOutputStream(modelFile))) {
objectOutputStream.writeObject(model);
}
}
上述代码通过 ObjectOutputStream 类将训练好的模型序列化保存到文件。这样，我们可以在后续预测中直接复用模型，无需重新训练。
10. 方法调用
现在，在 main() 方法中调用前面创建的方法：
public static void main(String[] args) throws Exception {
WineQualityRegression wineQualityRegression = new WineQualityRegression();
wineQualityRegression.createDatasets();
wineQualityRegression.createTrainer();
wineQualityRegression.evaluateModels();
wineQualityRegression.saveModel();
}
编译代码后，模型会被保存到指定目录。
11. 使用模型
新建一个 WinePredictor 类，在 main() 方法中加载已保存的模型：
class WineQualityPredictor {
private static final Logger log = LoggerFactory.getLogger(WineQualityPredictor.class);
public static void main(String[] args) throws IOException, ClassNotFoundException {
File modelFile = new File("src/main/resources/model/winequality-red-regressor.ser");
Model<Regressor> loadedModel = null;
try (ObjectInputStream objectInputStream = new ObjectInputStream(new FileInputStream(modelFile))) {
loadedModel = (Model<Regressor>) objectInputStream.readObject();
}
}
如前所述，Tribuo 对类型敏感，因此我们指定模型类型为 Regressor。
通过创建 ObjectInputStream 并传入模型路径来加载模型。
然后，创建一个 ArrayExample 对象，表示单个葡萄酒样本：
ArrayExample<Regressor> wineAttribute = new ArrayExample<Regressor>(new Regressor("quality", Double.NaN));
wineAttribute.add("fixed acidity", 7.4f);
wineAttribute.add("volatile acidity", 0.7f);
wineAttribute.add("citric acid", 0.47f);
wineAttribute.add("residual sugar", 1.9f);
wineAttribute.add("chlorides", 0.076f);
wineAttribute.add("free sulfur dioxide", 11.0f);
wineAttribute.add("total sulfur dioxide", 34.0f);
wineAttribute.add("density", 0.9978f);
wineAttribute.add("pH", 3.51f);
wineAttribute.add("sulphates", 0.56f);
wineAttribute.add("alcohol", 9.4f);
最后，使用 Prediction 类进行预测：
Prediction<Regressor> prediction = loadedModel.predict(wineAttribute);
double predictQuality = prediction.getOutput().getValues()[0];
log.info("Predicted wine quality: " + predictQuality);
预测结果如下：
07:31:05.772 [main] INFO tribuo.WineQualityPredictor - Predicted wine quality: 5.028163673540464
12. 总结
在本文中，我们学习了 Tribuo 及其特性，了解了其支持的部分机器学习算法，并通过回归算法训练了葡萄酒质量预测模型。