我正在尝试遵循本教程（https://cloud.google.com/ml-engine/docs/deploying-models）。
在这里，我正在尝试预测本地目录中input_json的简单模型（泰坦尼克号）的输出。
我被困在进行局部预测的过程中，我需要提供一个input.json。
对于我提供的输入json，在sklearn预测过程中，我反复收到作为Exception的错误：float（）参数必须为字符串或 一个数字，而不是“ dict”（错误代码：2）
我的input.json文件包含：
{"Pclass" : 3,"SibSp" : 1,"Parch" : 0,"Sex_female" : 0,"Sex_male" : 1}
此外，我从训练后的模型的输入中删除了所有浮动功能，并且上面的功能是唯一用于同一功能的功能。
Sklearn与json不兼容。您需要将数据转换为numpy数组或pandas数据框。在这种情况下，熊猫数据框可能更方便。看起来像这样：
import pandas as pd
# the following line is just to simulate
# pass just your dicts to from_records below
data= [
{"Pclass" : 3,"SibSp" : 1,"Parch" : 0,"Sex_female" : 0,"Sex_male" : 1},{"Pclass" : 3,"SibSp" : 2,"Sex_female" : 1,"Sex_male" : 0},]
df= pd.DataFrame.from_records(data)
然后传递此数据框df来训练模型。别忘了通过您的标签。例如，如果它们是上述json文档的一部分（例如key = survived），则可以像这样训练模型：
your_model.fit(df[['PClass','SibSp','Parch','Sex_female','Sex_male']],df['survived'])