AWS SageMaker调用Endpoint报错：无法将字符串转换为float类型问题排查

直接报错原因 #

你当前的请求载荷中包含了CSV表头行，第一行的值为Year这类字符串，XGBoost推理容器默认会将所有输入解析为浮点型数值，因此触发转换失败报错。

根本原因 #

SageMaker内置XGBoost的算法模式推理容器，原生不支持直接传入字符串类型的分类特征，要求所有输入特征必须提前转换为数值类型。

具体修复步骤 #

• 移除请求载荷中的CSV表头，保证载荷仅包含特征值行，不要保留列名行
• 所有分类特征提前做数值编码：训练阶段就用LabelEncoder、独热编码等方式将Area这类字符串分类特征转换为数值，推理阶段用训练时拟合好的编码器对输入的分类值做相同转换，不要直接传入字符串到端点
• 保证推理输入的特征顺序和训练数据集的特征顺序完全一致，内置容器不会自动对齐列名，只会按传入顺序解析特征
• 简化载荷构造逻辑，避免多余格式问题：

# 第一步：先对分类特征做编码，area_encoder是训练阶段拟合好的编码器
df['Area'] = area_encoder.transform(df['Area'])
# 第二步：直接生成不带表头、不带索引的csv格式载荷
payload = df.to_csv(header=False, index=False).strip()
# 调用端点
response = runtime_client.invoke_endpoint(
    EndpointName=endpoint_name, 
    ContentType="text/csv", 
    Body=payload
)

如果需要直接传入带字符串特征的请求，可以将部署方式改为XGBoost自定义脚本模式，自己在推理的input_fn函数中实现字符串特征的编码逻辑，再喂给模型做预测。

内容的提问来源于stack exchange，提问作者kms