Vertex AI AutoML分类模型训练与部署特征类型不一致问题咨询

问题现象 #

• 训练阶段手动将特征「time」设置为numeric类型，但部署后模型要求传入字符串格式的该特征值
• 传入数值格式请求{"time" : 10}时触发错误：Column: time. Error: Expected string_value but got number_value. Type casting is not allowed.，传入字符串格式{"time": "10"}则可正常运行

原因分析 #

AutoML分类模型的特征类型最终判定，不仅看手动设置，还会结合原始数据集的存储格式和AutoML自动特征推断逻辑：

• 如果原始数据集中「time」列的数值是以字符串形式存储（比如CSV中是带引号的"10"而非纯数字），即使手动修改为numeric类型，AutoML在训练过程中可能仍保留底层的字符串特征处理逻辑，导致部署后的模型期望字符串输入
• AutoML分类模型并非强制要求特征为字符串，其底层包含的逻辑回归算法确实支持数值型特征，问题出在特征类型的实际映射未与手动设置完全对齐

解决办法 #

1. 修正原始数据集格式：确保「time」列的数值为纯数字格式（无引号、非文本形式），重新导入数据集后再设置为numeric类型
2. 确认训练前特征配置：在Vertex AI数据集界面查看「time」特征的详细信息，确认其类型显示为numeric且无格式冲突提示
3. 预测时临时适配（若无法重新训练）：在预测代码中将数值型的time值转换为字符串后传入，示例代码：

# 构造预测请求
payload = {"time": str(10)}

内容的提问来源于stack exchange，提问作者Krishna