Xgboost: 추론에서 더 나은 성능을 얻기 위해 XGBoost 모델을 Weka 모델로 변환하는 방법이 있습니까?

안녕하세요,
XGBoost 모델을 Weka 모델로 변환하는 방법이 있습니까?

추론 시간에 xgboost 모델의 효율성에 이상한 문제가 있습니다.

라운드/트리 수를 1로 설정하고 트리 깊이를 108로 설정했으며 다중 클래스 분류 문제에 jvm-package를 사용하고 있습니다.

DMatrix 생성 및 추론/예측을 포함하여 인스턴스를 하나씩 생성할 때 XGBoost 트리로 6000개의 인스턴스를 예측하는 데 380ms가 걸립니다.
(DMatrix 생성을 제외하고 180ms가 걸립니다).

// 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;

그러나 Weka 랜덤 포레스트를 사용하여 예측/추론할 때 30ms밖에 걸리지 않습니다.

라운드 수(트리) = 50일 때 WEKA 랜덤 포레스트는 922ms에서 6000개의 인스턴스를 예측하고 XGBoost 트리는 3429ms에서 인스턴스를 예측합니다.

문제는 XGBoost 트리의 정확도가 랜덤 포레스트보다 훨씬 우수하다는 것입니다. 그러나 내 경우에는 추론 시간도 매우 중요합니다.

그렇다면 XGBoost 모델을 WEKA 모델로 변환하는 방법이 있습니까?!
아니면 어떻게 하면 더 빠르게 예측할 수 있는지 알고 계신가요?! Java 소스 코드에서 네이티브 라이브러리를 호출하기 때문에 효율성 문제가 있습니까?

감사 해요.