修复SMOTEBoost类中的AttributeError: can't set attribute问题

问题重现 #

运行自定义SMOTEBoost类时，调用fit()触发如下错误：

AttributeError: can't set attribute

错误发生在_validate_estimator()方法中尝试直接赋值self.base_estimator_的语句。尝试用set_params("base_estimator_")修复时，又提示参数无效：

ValueError: Invalid parameter 'base_estimator_' for estimator SMOTEBoost(). Valid parameters are: ['algorithm', 'base_estimator', 'k_neighbors', 'learning_rate', 'n_estimators', 'n_jobs', 'random_state', 'sampling_strategy']

复现代码：

from sklearn.datasets import make_classification
from smoteboost import SMOTEBoost
from sklearn.model_selection import train_test_split

X, y = make_classification(n_samples=1000, n_features=10, n_classes=5,
   n_informative=4, weights=[0.22,0.03,0.16,0.51,0.05])

X_train,X_test,y_train,y_test=train_test_split(X,y)
smt = SMOTEBoost()
smt.fit(X_train, y_train)

问题根源 #

scikit-learn 1.2.2对基类属性的访问权限做了调整：base_estimator_是由公开参数base_estimator派生的只读私有属性，通过@property装饰器实现，无法直接赋值。旧版SMOTEBoost代码直接赋值self.base_estimator_的方式不再兼容新版本sklearn的属性管理机制。

修复方案 #

根据SMOTEBoost的继承关系，有两种规范的修复方式：

方式1：调用父类的验证方法（推荐） #

如果SMOTEBoost继承自sklearn的集成学习基类（如AdaBoostClassifier或BaseEnsemble），直接复用父类的_validate_estimator()方法来处理base_estimator_的初始化，仅添加SMOTE特有的验证逻辑：

def _validate_estimator(self):
    # 调用父类方法自动处理base_estimator_的创建
    super()._validate_estimator()
    # 这里添加SMOTEBoost专属的验证逻辑，比如检查基估计器是否支持概率预测
    if not hasattr(self.base_estimator_, "predict_proba"):
        raise ValueError("基估计器必须实现predict_proba方法")

方式2：自定义私有属性存储克隆后的基估计器 #

如果必须自己实现验证逻辑，不要直接操作base_estimator_，改用自定义私有属性存储克隆后的基估计器原型：

from sklearn.base import clone

def _validate_estimator(self):
    # 克隆公开参数base_estimator，存储为自定义私有属性
    self._base_estimator_prototype = clone(self.base_estimator)
    # 验证基估计器的必要方法
    if not (hasattr(self._base_estimator_prototype, "fit") and 
            hasattr(self._base_estimator_prototype, "predict_proba")):
        raise ValueError("base_estimator必须实现fit和predict_proba方法")

后续训练循环中，创建弱学习器时直接克隆这个自定义原型：

# 替换原代码中clone(self.base_estimator_)的部分
estimator = clone(self._base_estimator_prototype)

临时应急方案（不推荐） #

如果需要快速兼容且不修改整体逻辑，可以通过object.__setattr__()强制赋值绕过只读限制：

def _validate_estimator(self):
    base_estimator = clone(self.base_estimator)
    # 强制赋值只读属性
    object.__setattr__(self, "base_estimator_", base_estimator)

注意：这种方法可能违反sklearn的API规范，后续版本仍可能出现兼容性问题，仅作为临时修复使用。

内容的提问来源于stack exchange，提问作者Amina Umar