FastAPI部署Sklearn Pipeline时，joblib加载自定义MultiColumnLabelEncoder类报错

嘿，我来帮你解决这个问题！这个报错的核心原因很明确：当你用joblib保存包含自定义类的Pipeline时，加载模型的Python环境找不到这个自定义类的定义了。错误提示里说在__main__模块找不到MultiColumnLabelEncoder，说明加载时这个类没有被正确导入到当前运行的命名空间中。

我给你梳理几个关键的解决步骤：

1. 确认自定义类的模块路径一致性 #

你已经把MultiColumnLabelEncoder放在了utils模块里，这很好，但要确保保存模型时和加载模型时，这个类的导入路径完全一致：

• 保存模型的脚本里，你应该是这样导入的：from utils import MultiColumnLabelEncoder
• FastAPI的加载脚本里，也要用完全相同的导入语句，不能有相对路径或模块名的差异。

如果之前你是在临时脚本里直接定义类然后保存的模型，那joblib会把类和__main__模块绑定，这时候加载就会找不到。这种情况必须重新保存模型：先把类移到utils模块，导入后重新训练并保存Pipeline。

2. 确保FastAPI脚本能正确找到utils模块 #

检查你的项目结构，比如：

your_project/
├── main.py          # FastAPI启动脚本
├── utils.py         # 包含MultiColumnLabelEncoder
└── models/
    └── ml/
        └── ckd_model.joblib

如果utils.py和main.py在同一目录，那from utils import MultiColumnLabelEncoder是没问题的。如果不在同一目录，需要把utils所在的目录加入Python的搜索路径，比如在main.py开头加上：

import sys
from pathlib import Path
sys.path.append(str(Path(__file__).parent))

3. 验证类的模块归属 #

在加载模型前，可以加一行调试代码，确认类的模块是否正确：

from utils import MultiColumnLabelEncoder
print(MultiColumnLabelEncoder.__module__)  # 应该输出 'utils'，而不是 '__main__'

如果输出是__main__，说明你可能在main.py里又重新定义了这个类，或者导入路径有问题，得修正导入方式。

4. 加载模型前确保类已被导入 #

有时候即使导入了，joblib的加载机制可能还是没识别到，你可以在load_model函数里先明确导入类，再加载模型：

@app.on_event('startup')
def load_model():
    from utils import MultiColumnLabelEncoder  # 在这里再次导入确保类被加载
    clf.model = load('models/ml/ckd_model.joblib')

按照这些步骤排查，应该就能解决这个加载报错的问题了。

备注：内容来源于stack exchange，提问作者Mohamed Amine boukriba