Azure ML中部署的Prophet时序模型端点测试输入数据格式

核心问题分析 #

你遇到的报错本质是输入格式未匹配MLflow对fbProphet模型的解析要求：fbProphet的predict()方法需要接收包含ds列的DataFrame，而Azure ML的MLflow端点对输入的JSON结构有特定规范，错误的格式会导致模型无法将输入转换为合法的DataFrame，进而触发索引或解析错误。

正确的输入格式示例 #

推荐格式（Split结构，MLflow默认兼容）

这种格式明确指定列名和对应数据，能被MLflow直接解析为DataFrame，是最可靠的方式：

{
  "input_data": {
    "columns": ["ds"],
    "data": [
      ["2023-04-01 22:00:00"],
      ["2023-04-01 23:00:00"]
    ]
  }
}

可选格式（Records结构，需模型支持）

如果你的模型在训练/注册时，自定义了输入解析逻辑支持records格式，也可以使用以下结构（注意仅需ds字段，预测时不需要y值）：

{
  "input_data": {
    "data": [
      {"ds": "2023-04-01 22:00:00"},
      {"ds": "2023-04-01 23:00:00"}
    ]
  }
}

之前错误的原因说明 #

1. 第一种错误：直接将records数组传给input_data，MLflow默认无法将其直接解析为DataFrame，导致模型尝试用非法索引访问数据，触发报错。
2. 第二种错误：JSON语法错误——缺少闭合的}，导致端点无法解析请求体。
3. 第三种错误：仅传递日期列表或嵌套列表，无法被解析为带ds列的结构化DataFrame，模型无法识别输入格式，触发索引错误。

关键注意点 #

• 预测时不需要输入y值，y是训练阶段的目标变量，预测仅需提供待预测的ds日期。
• 确保JSON格式完全合法，无语法错误（如括号、引号闭合）。

内容的提问来源于stack exchange，提问作者sasha