Amazon SageMaker训练的XGBoost模型如何加载并预测新数据

你训练完成的模型会自动打包为model.tar.gz存储在你训练代码中指定的output_path路径下，可直接调用SageMaker SDK加载使用，以下分批量预测（适合大体积新数据上传S3后批量生成结果）和实时端点预测（适合Notebook中快速调用少量数据预测）两种场景给出代码：

# 先导入基础依赖
import sagemaker
import boto3
from sagemaker.predictor import CSVSerializer
from sagemaker.xgboost.model import XGBoostModel

role = sagemaker.get_execution_role()
sess = sagemaker.Session()
region = boto3.Session().region_name

# 替换为你实际的模型文件路径，可在SageMaker控制台对应训练任务的详情页查到
model_data = "s3://innogy-bda-germany-dev-landing-dc3-retailpl/UPSELL/LIST/output/你的训练任务名称/model.tar.gz"

# 初始化已训练的XGBoost模型对象
xgb_model = XGBoostModel(
    model_data=model_data,
    role=role,
    sagemaker_session=sess,
    framework_version="latest",
    entry_point=None
)

1.1 批量预测场景（推荐，适合S3上传的批量新数据） #

# 配置批量转换任务
transformer = xgb_model.transformer(
    instance_count=1,
    instance_type="ml.m5.xlarge",
    output_path="s3://innogy-bda-germany-dev-landing-dc3-retailpl/UPSELL/LIST/prediction_output/", # 预测结果存储路径
    assemble_with="Line",
    accept="text/csv"
)

# 新数据路径要求：csv文件不要包含目标列，列顺序和训练时的特征列完全一致，不要带表头
new_data_path = "s3://innogy-bda-germany-dev-landing-dc3-retailpl/UPSELL/LIST/new_data/"
transformer.transform(
    new_data_path,
    content_type="text/csv",
    split_type="Line"
)

# 等待任务完成后可直接到output_path下载结果
transformer.wait()
print(f"预测结果已保存到：{transformer.output_path}")

1.2 实时端点预测场景（适合Notebook中临时调试） #

# 部署实时预测端点
predictor = xgb_model.deploy(
    initial_instance_count=1,
    instance_type="ml.t2.medium",
    serializer=CSVSerializer()
)

# 输入特征顺序和训练时的特征顺序完全一致即可，不需要传入目标列
test_features = [0.34, 2, 1, 0.76, ...] # 替换为你的实际特征值
prediction = predictor.predict(test_features)
print(f"预测结果：{prediction}")

# 测试完成后记得删除端点避免产生额外费用
# predictor.delete_endpoint()

这是SageMaker内置XGBoost算法的固定输入规则决定的：训练/验证用的CSV文件要求第一列必须是目标变量，后续列是特征，算法底层会自动拆分第一列为标签y、剩余列为特征X，不需要用户手动处理目标列。
你给出的数据集拆分代码只是做了行维度的拆分，拆分后的训练/验证集仍然保留了「第一列为目标列、后续为特征」的结构，刚好符合内置算法的输入要求，所以不需要额外剔除目标列。
而预测阶段的输入没有目标列的要求，只要保证特征顺序和训练时完全一致即可，和训练阶段的逻辑互不冲突。

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