R语言Vetiver API部署模型时step_dummy相关报错排查

问题根源 #

本地训练预测正常但部署后报错，核心是Vetiver API的输入schema与工作流预处理逻辑不匹配：

• 设置keep_original_cols=FALSE时，预处理流程会移除原始分类列，但Vetiver默认根据训练数据生成的schema仍会要求该列存在，导致预测时触发"原始列不存在"的错误。
• 设置keep_original_cols=TRUE时，预处理保留了原始分类列，但生产环境输入的分类列类型（通常是字符串）与训练时的因子类型不匹配，触发格式错误。

解决方案 #

1. 统一输入数据类型与预处理逻辑 #

在预处理配方中显式添加字符串转因子的步骤，确保生产环境的字符串输入能被正确转换为训练时的因子水平，同时配合自定义Vetiver输入schema，避免列存在性冲突。

2. 代码修正示例 #

library(tidymodels)
library(vetiver)
library(pins)

# 训练数据集
train_data <- tibble(
  x1 = factor(c("a", "b", "a", "c")),
  x2 = rnorm(4),
  y = rnorm(4)
)

# 调整预处理配方：显式处理字符串转因子，指定训练时的因子水平
rec <- recipe(y ~ x1 + x2, data = train_data) %>%
  step_string2factor(x1, levels = levels(train_data$x1)) %>% # 强制匹配训练数据的因子水平
  step_dummy(x1, keep_original_cols = FALSE) # 移除原始分类列，避免冗余

# 构建并训练工作流
model <- linear_reg() %>% set_engine("lm")
wf <- workflow() %>% add_recipe(rec) %>% add_model(model)
wf_fit <- fit(wf, data = train_data)

# 自定义Vetiver输入schema：基于原始输入列（字符型x1 + 数值型x2）生成
# 确保API接收的输入列与训练时的输入列一致，类型匹配API常见的字符串输入
input_schema <- train_data %>% 
  select(-y) %>% 
  mutate(x1 = as.character(x1))

v <- vetiver_model(wf_fit, "my_regression_model", input_data = input_schema)

# 启动API服务
pr <- vetiver_pr_predict(v)

3. 生产环境输入验证 #

发送符合schema的JSON请求，示例输入：

{"x1": "a", "x2": 0.72}

本地测试验证：

test_input <- tibble(x1 = "b", x2 = -0.3)
predict(wf_fit, test_input) # 应正常返回预测结果

额外注意事项 #

• 如果必须保留原始分类列（keep_original_cols=TRUE），需确保生产输入的分类列被转换为与训练数据一致的因子类型，可在API输入预处理中添加类型转换逻辑。
• 部署前务必用vetiver_prepare_dispatch(v, test_input)测试输入数据是否能被正确处理，提前排查schema不匹配问题。

内容的提问来源于stack exchange，提问作者Imitation