Xgboost: XGBoostモデルをWekaモデルに変換して、推論のパフォーマンスを向上させる方法はありますか？

やあ、
XGBoostモデルをWekaモデルに変換する方法はありますか？

推論時のxgboostモデルの効率に奇妙な問題があります。

ラウンド/ツリーの数を1に設定し、ツリーの深さを108に設定し、マルチクラス分類の問題にjvm-packageを使用しています。

DMatrixの作成や推論/予測を含め、インスタンスを1つずつ作成するときにXGBoostツリーを使用して6000インスタンスを予測するには、380ミリ秒かかります。
（DMatrixの作成を除くと180msかかります）。

// creating a DMatrix with one row and the numberOfFeatures
// columns
double startTime = System.nanoTime();
DMatrix testInstance = new DMatrix(testingInstance, 1, numberOfFeatures, 9999F);
// predict just one instance
float[][] predicts = booster.predict(testInstance);
predictionTime += (System.nanoTime() - startTime) / 1e6;

ただし、Wekaランダムフォレストを使用してそれらを予測/推論すると、30ミリ秒しかかかりません。

ラウンド数（ツリー）= 50の場合、WEKAランダムフォレストは922ミリ秒で6000インスタンスを予測し、XGBoostツリーは3429ミリ秒でそれらを予測します。

問題は、XGBoostツリーの精度がランダムフォレストよりもはるかに優れていることです。 しかし、私の場合、推論時間も非常に重要です。

それで、XGBoostモデルをWEKAモデルに変換する方法はありますか？！
それとも、私が予測をより速くする方法を知っていますか？！ Javaソースコードからネイティブライブラリを呼び出すため、効率の問題はありますか？

ありがとう。