如何在Vertex AI的XGBoost模型批量预测中保留实体标识符

• 方案1：新增实体ID作为冗余特征列（通用度最高）
  不需要调整批量预测任务的基础配置，仅需在输入特征中加入实体ID作为第一列，模型推理时跳过该列取后续真实特征计算即可，预测输出的instance字段会自动携带ID值，可直接完成匹配。
  调整后的CSV输入示例：

  id,input_1,input_2,input_3
  u123,0.1,0.2,0.3
  u456,0.4,0.5,0.6
  

  调整后的JSONL数组输入示例：

  ["u123",0.1,0.2,0.3]
  ["u456",0.4,0.5,0.6]
  

  该方案不会影响模型推理精度，仅需要对模型的前处理逻辑做极小调整。

• 方案2：生成特征指纹做映射
  若无法修改输入特征结构，可提前对每个实体的特征做标准化处理：固定特征顺序、浮点数统一保留n位小数，拼接所有特征值后生成唯一哈希指纹存入实体元数据表。待预测结果返回后，对instance中的特征做完全相同的标准化和哈希计算，即可通过指纹和元数据表完成匹配。
  注意：若存在多个实体特征完全一致的情况，该方案不适用。

• 方案3：使用批量预测服务的实例键配置
  主流云厂商的BatchPredictionJob服务均支持指定实例标识键，你可以将JSONL输入从数组格式改为对象格式，单独拆分ID字段：

  {"id":"u123","features":[0.1,0.2,0.3]}
  {"id":"u456","features":[0.4,0.5,0.6]}
  

  在任务配置时指定id为实例键，预测输出会自动携带该ID字段，无需修改模型推理逻辑即可完成匹配。

内容的提问来源于stack exchange，提问作者HulaHoof