m2cgen库：将机器学习模型转换为零依赖的本机代码（Java，C，Python，Go，JavaScript）。本文演示将其转换为C/C++代码，使用sklearn机器学习库中的随机森林回归，训练波士顿数据集，而后导出为C代码，并在visual studio中编译运行。

m2cgen库的github地址：https://github.com/markWZX/m2cgen

1. 首先安装m2cgen库，在命令行窗口输入：pip install m2cgen （Python版本> = 3.4）。
2. 打开pycharm，输入以下代码：

from sklearn.datasets import load_boston
from sklearn.ensemble import RandomForestRegressor
import m2cgen as m2c

boston = load_boston()
X, y = boston.data, boston.target
clf = RandomForestRegressor(random_state=0,n_jobs=-1)
model=clf.fit(X, y)
code = m2c.export_to_c(model)#导出为c代码
print(code)

导出的c代码有1万多行（这个库最大的问题就是转化出来的C++代码太长了，导致都编译不了，慎用！会出现的错误：节数超过对象文件格式限制：请使用/bigobj进行编译，我按网上的教程设置了/bigobj但还是编译不了），就不在此粘贴了，将其复制到visual studio中项目的源代码中，再手动添加一个main()函数，在main()函数中调用导出来的score()函数，进行回归预测。（另外添加了计算程序运行时间的代码，毕竟1万多行有点可怕，经过测试连续调用10万次score()函数，所花时间为0.009s，所花费时间可以接受）

int main()
{
	double features[] = { 2.7290e-02, 0.0000e+00, 7.0700e+00, 0.0000e+00, 4.6900e-01,
	   7.1850e+00, 6.1100e+01, 4.9671e+00, 2.0000e+00, 2.4200e+02,
	   1.7800e+01, 3.9283e+02, 4.0300e+00 };
	clock_t start, finish;
	double totaltime;
	start = clock();
	//for (int i = 0; i < 100000; ++i)
	//{
		double output = score(features);
	//}
	finish = clock();
	totaltime = (double)(finish - start) / CLOCKS_PER_SEC;
	cout << "\n此程序的运行时间为" << totaltime << "秒！" << endl;

	std::cout << output << std::endl;
}

输出结果为：35.91
在Python中的结果为34.7，可验证C代码的正确性