Azure ML中AutoMLPipelineBuilder批量推理（预测）阶段报错求助

我在Azure ML中搭建的训练流水线运行正常，但批量推理阶段始终报错。相关代码如下：

训练阶段代码 #

training_pipeline_steps = AutoMLPipelineBuilder.get_many_models_train_steps(
    experiment=experiment,
    train_data=full_dataset,
    compute_target=compute_target,
    node_count=1,
    process_count_per_node=4,
    train_pipeline_parameters=hts_parameters,
    run_invocation_timeout=3900,
)

批量推理阶段代码 #

from azureml.train.automl.runtime._hts.hts_parameters import HTSInferenceParameters

inference_parameters = HTSInferenceParameters(
    hierarchy_forecast_level="Material",  # 该设置针对当前数据集，需根据你的数据集调整
    allocation_method="proportions_of_historical_average",
)

steps = AutoMLPipelineBuilder.get_many_models_batch_inference_steps(
    experiment=experiment,
    #inference_data=registered_inference,
    inference_data = full_dataset,
    compute_target=compute_target,
    inference_pipeline_parameters=inference_parameters,
    node_count=1,
    process_count_per_node=4,
    arguments=["--forecast_quantiles", 0.1, 0.9],
)

错误详情 #

推理阶段报错提示：The hierarchy forecast level 'Material' is not present in the inference data.

排查与修复方案 #

• 核对推理数据列名
  确认推理使用的full_dataset中存在大小写完全匹配的Material列。可通过full_dataset.take(1).to_pandas_dataframe()导出数据样例，直接查看列名与结构。

• 对齐训练与推理数据的层级结构
  推理数据必须包含训练时hts_parameters定义的所有层级列，且hierarchy_forecast_level指定的Material必须是层级结构中的有效节点，不能存在拼写或层级逻辑错误。

• 使用正确的推理数据集
  建议启用注释中的registered_inference数据集，训练全量数据可能包含标签列、训练专属字段，会导致推理阶段数据结构不兼容。

• 检查参数配置
  确认HTSInferenceParameters中的hierarchy_forecast_level值，与训练阶段hts_parameters内定义的层级节点名称完全一致，避免拼写错误。

• 查看详细运行日志
  登录Azure ML工作室，打开批量推理流水线的运行记录，查看报错步骤的完整日志，排查是否存在数据格式、权限或其他隐藏问题。

内容的提问来源于stack exchange，提问作者JMTaverne