分布式XGBoost和LightGBM模型的轻量级部署模式

数据科学家在机器学习中遇到的挑战是训练大数据集时内存不足。一种解决方案是将模型重写为Spark数据框架工作。本文提出了一种简单的模式，可以在Spark中训练XGBoost和LightGBM模型，然后转移到不分布式版本的模型中。这种方法适合于轻量级部署，如微服务和边缘部署场景。