使用BentoML部署含分类特征的CatBoostClassifier遇报错求助

问题根源 #

直接加载模型预测正常，但BentoML服务中报错，核心原因是服务端接收的输入数据类型与训练时不匹配：

• 传字符串时，BentoML可能将其转为字节格式（b'Tertiary'），被CatBoost误判为数值特征尝试转float失败；
• 传数字时，CatBoost识别到该特征在模型中是分类类型，但输入被标记为数值类型，触发兼容性校验报错。

可行解决方案 #

方案1：在BentoML服务中显式处理输入，用CatBoost Pool包装数据 #

在服务代码中，将输入数据转为DataFrame，并明确指定分类特征列，再用catboost.Pool包装后传入模型，确保特征类型与训练时一致：

import bentoml
import pandas as pd
from catboost import CatBoostClassifier, Pool

# 加载保存的CatBoost模型
catboost_model = bentoml.catboost.load_model("catboost_classifier:latest")

@bentoml.service
class CatBoostPredictionService:
    @bentoml.api(input=bentoml.io.JSON(), output=bentoml.io.JSON())
    def predict(self, input_data: dict):
        # 将输入转为DataFrame，保证road_type为object类型
        df = pd.DataFrame([input_data])
        # 明确指定分类特征列，和训练时一致
        categorical_features = ["road_type"]
        # 用Pool包装数据
        pool = Pool(df, cat_features=categorical_features)
        # 预测
        result = catboost_model.predict(pool)
        return {"prediction": result.tolist()}

方案2：将预处理逻辑与模型打包为Pipeline #

用sklearn.pipeline.Pipeline把「分类特征类型转换」和CatBoost模型绑定，再保存整个Pipeline到BentoML，确保服务端自动执行一致的预处理：

import bentoml
import pandas as pd
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import FunctionTransformer
from catboost import CatBoostClassifier

# 定义预处理函数：确保road_type为object类型
def ensure_categorical_type(df):
    df["road_type"] = df["road_type"].astype(object)
    return df

# 创建Pipeline
preprocessor = FunctionTransformer(ensure_categorical_type)
model = CatBoostClassifier(cat_features=["road_type"])
# 假设已经完成模型训练
# model.fit(X_train, y_train)

pipeline = Pipeline([
    ("preprocess", preprocessor),
    ("classifier", model)
])

# 保存Pipeline到BentoML
bentoml.sklearn.save_model("catboost_pipeline", pipeline)

# 服务端加载Pipeline并预测
@bentoml.service
class CatBoostPipelineService:
    @bentoml.api(input=bentoml.io.JSON(), output=bentoml.io.JSON())
    def predict(self, input_data: dict):
        df = pd.DataFrame([input_data])
        result = self.model.predict(df)
        return {"prediction": result.tolist()}
    
    def __init__(self):
        self.model = bentoml.sklearn.load_model("catboost_pipeline:latest")

方案3：调整BentoML的输入格式，直接接收DataFrame类型 #

使用bentoml.io.PandasDataFrame作为输入类型，避免JSON转义导致的类型问题：

import bentoml
from catboost import CatBoostClassifier

catboost_model = bentoml.catboost.load_model("catboost_classifier:latest")

@bentoml.service
class CatBoostPredictionService:
    @bentoml.api(input=bentoml.io.PandasDataFrame(), output=bentoml.io.JSON())
    def predict(self, input_df):
        # 直接用DataFrame预测，训练时指定的cat_features会生效
        result = catboost_model.predict(input_df)
        return {"prediction": result.tolist()}

调用服务时，直接以DataFrame的格式（比如CSV或JSON数组）传入，确保road_type列的类型为字符串。

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