先把Baseline训练数据添加到推理代码、模型文件的同文件夹下，之后再在推理代码中添加        relative_path_to_dataset = "data/traffic_flow"        path_to_model, model_file_name = os.path.split(self.model_path)        path_to_dataset = os.path.join(path_to_model, relative_path_to_dataset)这三行代码就行了，其中data是在同模型文件的文件夹下的文件，里面存着traffic数据。根据自己的情况将第一行的路径改一下

先把训练数据添加到推理代码、模型文件的同文件夹下，之后再在推理代码中添加        relative_path_to_dataset = "data/traffic_flow"        path_to_model, model_file_name = os.path.split(self.model_path)        path_to_dataset = os.path.join(path_to_model, relative_path_to_dataset)这三行代码就行了，其中data是在同模型文件的文件夹下的文件，里面存着traffic数据。根据自己的情况将第一行的路径改一下

你那个mismatch 可以在baseline里的groupby函数里的那两个特征的位置调换一下就好了

你改错了 要用xgboost的话  应该改model-type为XGBoost 那个你改的知识把他的名字改了而已

如果你只是一个单模型的话，不用改推理代码，只要把baseline 所有model_type改成XGBoost就行了，当然是要在XGBoost-SKlearn环境下。 schema_model['model_algorithm'] = "gbtree_regression" schema_model['model_type'] = "XGBoost" 如果是要几个模型融合，是要在_inference函数下进行修改，这一步比较麻烦。。。

比如这个number变量是如何融入到_preprocess函数里的

你好，能讲讲是怎么写进去的吗？我关于number的特征都不知道怎么写进去。。。