使用joblib加载scikit-learn v0.23.1构建的随机森林模型时出现scipy.sparse._csr模块缺失错误

这个问题我之前也碰到过，大概率是scipy版本不兼容导致的——你保存模型时的scipy版本和现在加载环境里的scipy版本不一致，scipy在后续版本中调整了内部模块的结构，scipy.sparse._csr这个内部模块的路径在新版本里可能已经变更，或者仅在旧版本中存在。

具体解决步骤： #

• 第一步：确认保存模型时的scipy版本
  回到你最初训练并保存模型的环境，运行以下命令查看当时的scipy版本：

  pip show scipy
  

  如果当时有记录requirements.txt文件，直接查看其中的scipy版本号即可。

• 第二步：在加载环境中安装对应版本的scipy
  在你现在加载模型的Python环境里，安装和保存环境完全一致的scipy版本，比如当时用的是scipy 1.5.4，就执行：

  pip install scipy==1.5.4
  

  注意：scikit-learn v0.23.1对scipy的最低要求是>=0.19.1，所以要确保安装的scipy版本既和保存环境一致，又满足scikit-learn的兼容要求。

• 第三步：用虚拟环境隔离依赖（长期解决方案）
  为了避免后续再出现类似的版本冲突问题，建议用虚拟环境（比如venv或conda）来隔离每个项目的依赖：

  # 用venv创建虚拟环境
  python3.7 -m venv model_env
  # 激活环境（Linux/macOS）
  source model_env/bin/activate
  # 激活环境（Windows）
  model_env\Scripts\activate
  # 安装指定版本的依赖
  pip install scikit-learn==0.23.1 scipy==你需要的版本 joblib
  

  之后所有和这个模型相关的训练、保存、加载操作都在这个环境中进行。

如果以上步骤还是无法解决问题，可以检查加载环境中的scikit-learn版本是否也是v0.23.1，因为scikit-learn和scipy的兼容性也会影响模型的序列化/反序列化。

内容的提问来源于stack exchange，提问作者Daniel Wyatt