MLflow模型evaluate函数报错：数据集Schema超限如何解决？

问题原因 #

你的模型输入特征数量（4749个）和评估数据集的特征数（4565个）都非常多，MLflow执行evaluate时会自动生成并存储数据集的Schema信息，当Schema的文本描述长度超过后端存储允许的最大值（65535）时，就会触发INVALID_PARAMETER_VALUE错误。

可行解决方案 #

1. 禁用可解释性日志（快速临时解决） #

如果不需要MLflow的可解释性分析功能，在调用evaluate时添加log_explainability=False参数，减少自动生成的Schema相关内容，大概率能绕过长度限制：

mlflow.evaluate(
    model_uri,
    eval_data,
    targets="label",
    model_type="classifier",
    validation_thresholds=thresholds,
    log_explainability=False
)

2. 减少特征数量（长期根治） #

通过特征选择方法降低数据集的特征维度，从根源上缩短Schema长度：

• 移除方差极低的常量特征
• 依据模型特征重要性排序，保留Top N个核心特征
• 使用PCA、LDA等降维方法将高维特征压缩到低维空间

3. 自定义评估逻辑，绕过自动Schema记录 #

如果上述方法不适用，可以手动实现评估流程，避免MLflow自动生成过长的Schema：

# 加载模型
model = mlflow.pyfunc.load_model(model_uri)
# 生成预测结果
predictions = model.predict(eval_data)
# 自定义计算分类指标
from sklearn.metrics import accuracy_score, recall_score
accuracy = accuracy_score(eval_data["label"], predictions)
recall = recall_score(eval_data["label"], predictions)
# 手动记录指标到MLflow
with mlflow.start_run():
    mlflow.log_metric("accuracy", accuracy)
    mlflow.log_metric("recall", recall)
    # 按需记录阈值相关指标
    for threshold in thresholds:
        # 基于阈值计算对应指标并记录
        pass

4. 修改后端存储字段限制（不推荐，需运维权限） #

如果使用SQLite作为MLflow后端存储，可修改数据库中dataset_info表的schema字段类型，从VARCHAR(65535)改为TEXT（SQLite的TEXT类型无长度限制）。但该方法需修改MLflow底层存储结构，存在兼容性风险，仅建议在私有环境尝试。

内容的提问来源于stack exchange，提问作者Hannah Tao