SageMaker调用端点未返回预期预测值问题咨询

嘿，我来帮你梳理下这个问题！先从操作排查和获取类别结果两方面说：

一、先看看操作有没有踩坑 #

先排查几个常见的小问题：

• 输入格式是否对齐训练逻辑：你得确认发送的输入数据，和训练模型时的预处理完全匹配——比如性别是不是转成了0/1、Embarked特征有没有做独热编码、特征顺序是不是和训练时一致。要是输入格式错了，模型输出可能乱套，但如果输出是合理的数值（比如0-1之间的数），那大概率不是输入的锅，而是输出解析的问题。
• 推理脚本有没有漏掉类别转换：SageMaker部署模型时靠inference.py处理输入输出，很多时候分类模型默认输出的是类别概率（比如二分类的话是[0.3,0.7]，分别对应存活0和存活1的概率），而不是直接的0/1标签。要是脚本里没做概率转类别的处理，那自然拿不到你想要的结果。

二、怎么拿到0或1的预测类别 #

分两种场景来处理，看你需求选：

1. 修改推理脚本（推荐，部署后直接返回类别） #

如果你的模型输出是概率数组，直接改inference.py里的predict_fn或者output_fn，加个取最大概率对应索引的逻辑就行：

def predict_fn(input_data, model):
    # 模型输出概率
    probabilities = model.predict(input_data)
    # 取概率最高的那个类别（0或1）
    predictions = np.argmax(probabilities, axis=1)
    return predictions

改完重新部署模型，之后调用预测接口就直接能拿到0或1的结果啦。

2. 本地处理输出（临时调试用） #

要是不想重新部署，拿到当前输出后自己在本地转一下就行。比如假设你从SageMaker拿到的输出是[[0.25, 0.75]]，用下面的代码转成类别：

import numpy as np
# 替换成你实际拿到的模型输出
model_output = [[0.25, 0.75]]
predictions = np.argmax(model_output, axis=1)
print(predictions)  # 结果就是 [1]

要是模型输出的是单个概率值（比如XGBoost二分类默认输出的是类别1的概率），那直接加个阈值判断就行：prediction = 1 if prob > 0.5 else 0。

三、额外小提醒 #

如果你用的是SageMaker内置算法（比如XGBoost、逻辑回归），训练时要确认目标参数设置对了（比如二分类要设objective='binary:logistic'）。另外也可以调整predictor的序列化/反序列化器，让它直接返回类别；或者拿到概率后自己做阈值判断（通常0.5是默认阈值，你也可以根据模型效果调整）。

内容的提问来源于stack exchange，提问作者Jaskaran Singh Puri