AzureML时间序列模型无法通过推理识别特征值

Question

我已从Azure机器学习下载经过训练的模型。使用时间序列预测预设对它进行了自动ML训练。

[当我想进行预测时，会收到此消息：

NumericalizeTransformer: Column AircraftModel contains categories not present at fit: {('42',)}. These categories will be set to NA prior to encoding.
  .format(col, new_cats))
Column Operator contains categories not present at fit: {('US Airlines',)}. These categories will be set to NA prior to encoding.
  .format(col, new_cats))

我运行预测的代码是这样：

def load_model():
    global model
    model_path = 'model.pkl'
    model = joblib.load(model_path)

def run_forecast(data):
    try:
        y_query = data.pop('y_query').values
        #y_query.fill(np.nan)
        result = model.forecast(data, y_query)
    except Exception as e:
        result = str(e)
        return json.dumps({"error": result})

    forecast_as_list = result[0].tolist()

    return forecast_as_list

input_sample = pd.DataFrame(data=[{'AircraftId': 'ATR-0001', 'FromDate': '2016-09-01T00:00:00.000Z', 'AircraftModel': '42', 'Operator': 'US Airlines', 'Country': 'Denmark', 'MonthOfYear': 9, 'y_query': 1.0}])

load_model()

forecast = run_forecast(input)

我得到一个返回的结果，但是它非常糟糕，我怀疑省略的特征列是罪魁祸首。

在模型上进行推断之前，我应该手动进行一些预处理吗？

Answer 1

看来您要计分的数据具有训练期间未看到的分类级别（在“飞机模型”和“操作员”列中）。您能检查一下您的训练数据，看看那里是否存在缺少的等级（“ 42”和“美国航空”）？

如果不是，如果在训练时未看到这些类别，则自动ML不太可能产生良好的分数。