Streamlit加载XGBClassifier预测报Unicode-3 is not supported错如何解决

该报错与模型加载方式无关，pkl反序列化、json加载模型的两种逻辑本身没有问题，故障点在传入clf.predict()的输入参数feat_list：
你所用的1.6.0版本XGBoost底层数据解析接口，不支持直接识别原生Python列表中存储的Unicode格式字符串。即使开启enable_categorical=True参数，该版本XGBoost也仅支持两类输入：一是全数值类型的数组/矩阵，二是pandas结构中提前声明为category类型的分类特征，直接传入包含原生字符串的列表时，底层解析碰到不支持的Unicode类型就会抛出该错误。

• 不要直接传入存储了字符串值的原生Python列表给预测接口，优先将输入特征转换为列顺序、列名与训练阶段完全一致的pandas DataFrame：
  转换完成后，将所有分类特征列的类型强制设置为category，不得保留string/object类型的列，参考实现：

  import pandas as pd
  
  # 列名、列顺序必须和模型训练时的特征输入完全对齐
  feat_df = pd.DataFrame(
      [feat_list],
      columns=["col1", "col2", "col3"] # 替换为训练时实际使用的特征名、按训练顺序排列
  )
  # 将所有分类特征列转换为category类型
  cat_columns = ["cat_col1", "cat_col2"] # 替换为实际的分类特征列名
  for col in cat_columns:
      feat_df[col] = feat_df[col].astype("category")
  
  # 传入模型预测
  predict_result = clf.predict(feat_df)
  

• 如果不使用pandas作为输入载体，需要提前对所有字符串格式的分类特征做标签编码，把所有特征值转换为整数/浮点数类型，再构造成numpy数组传入预测接口，确保输入结构中不存在任何字符串类型的值。
• 做一致性校验：训练阶段如果对分类特征做了自定义编码，预测阶段必须复用完全相同的编码规则，禁止出现训练时用整数编码、预测时传入原始字符串的不匹配问题。

内容的提问来源于stack exchange，提问作者Amey