Vertex AI AutoML批量预测在BigQuery返回Float64数组而非单值问题

问题原因 #

AutoML表格模型的批量预测结果中，prediction.score字段默认以Float64数组形式返回——哪怕是二分类任务，也会包含所有类别的预测分数（比如二分类对应[负类概率, 正类概率]），这就是你看到单值变成数组的核心原因。

解决方法 #

直接提取数组中的目标元素即可进行阈值判断，以下是具体操作：

1. 确认数组结构 #

先执行查询查看分数数组的对应类别，明确目标分数的索引：

SELECT prediction.score, prediction.display_names
FROM `your-project.your-dataset.your-prediction-table`
LIMIT 10;

display_names会显示数组中每个分数对应的类别名称（比如["class_0", "class_1"]），对应分数数组的索引0和1。

2. 提取单个分数并筛选 #

使用SAFE_OFFSET()（从0开始索引）或ORDINAL()（从1开始索引）提取数组元素，直接进行阈值比较：

• 二分类示例（提取索引1的正类分数，筛选大于0.8的记录）：

SELECT *
FROM `your-project.your-dataset.your-prediction-table`
WHERE prediction.score[SAFE_OFFSET(1)] > 0.8;

• 多分类示例（提取第三个类别的分数，筛选大于0.7的记录）：

SELECT *
FROM `your-project.your-dataset.your-prediction-table`
WHERE prediction.score[SAFE_OFFSET(2)] > 0.7;

3. 处理空值场景 #

如果存在数组为空的情况，SAFE_OFFSET()可以避免报错，也可结合IFNULL设置默认值：

SELECT *
FROM `your-project.your-dataset.your-prediction-table`
WHERE IFNULL(prediction.score[SAFE_OFFSET(1)], 0) > 0.8;

补充说明 #

• 提取后的元素本身就是Float64类型，无需额外转换即可支持比较运算。
• 若要将目标分数作为单独字段存储，可创建视图简化后续查询：

CREATE OR REPLACE VIEW `your-project.your-dataset.prediction-view` AS
SELECT 
  *,
  prediction.score[SAFE_OFFSET(1)] AS positive_class_score
FROM `your-project.your-dataset.your-prediction-table`;

内容的提问来源于stack exchange，提问作者Grant Rainey