使用GridSearchCV遇KerasClassifier导入错误求解决方案（TF2.16.1/Keras3.3.3）

错误原因 #

scikeras与当前安装的scikit-learn版本不兼容，_deprecate_Xt_in_inverse_transform函数在新版scikit-learn中已被移除，但旧版scikeras仍在调用该函数，从而引发导入错误。

具体解决办法 #

方法1：匹配兼容的scikeras与scikit-learn版本 #

• 若使用scikit-learn 1.4.x及以上版本，安装scikeras 0.12.0及以上版本（该版本已适配新版sklearn的API变更）：

  pip install --upgrade scikeras>=0.12.0
  

• 若需保留旧版scikit-learn，可安装scikeras 0.11.0版本：

  pip install scikeras==0.11.0
  

方法2：使用Keras 3原生的scikit-learn兼容工具 #

Keras 3已内置对scikit-learn的支持，无需依赖第三方库，直接用以下方式导入：

import keras
from keras.wrappers.scikit_learn import KerasClassifier

方法3：降级TensorFlow/Keras版本（仅在必要时使用） #

如果上述方法均不适用，可降级到TensorFlow 2.15.x和Keras 2.15.x版本，该版本的keras.wrappers.scikit_learn可正常使用：

pip install tensorflow==2.15.0 keras==2.15.0

验证步骤 #

安装完成后，运行以下代码测试导入是否正常：

# 方法1验证
from scikeras.wrappers import KerasClassifier
# 方法2验证
from keras.wrappers.scikit_learn import KerasClassifier

验证通过后，即可正常结合GridSearchCV使用，示例代码如下：

from sklearn.model_selection import GridSearchCV
import tensorflow as tf

def create_model(optimizer='adam'):
    model = tf.keras.models.Sequential([
        tf.keras.layers.Dense(16, activation='relu', input_shape=(8,)),
        tf.keras.layers.Dense(1, activation='sigmoid')
    ])
    model.compile(loss='binary_crossentropy', optimizer=optimizer, metrics=['accuracy'])
    return model

model = KerasClassifier(build_fn=create_model, verbose=0)
param_grid = {'optimizer': ['adam', 'sgd']}
grid = GridSearchCV(estimator=model, param_grid=param_grid, cv=3)
grid_result = grid.fit(X_train, y_train)

内容的提问来源于stack exchange，提问作者Anna TOes