导入KerasRegressor遇ModuleNotFoundError及Scikeras适配问题求助

原因 #

TensorFlow 2.10及以上版本已移除tensorflow.keras.wrappers.scikit_learn模块，官方明确推荐使用第三方库scikeras作为替代方案。

解决步骤 #

1. 安装scikeras（适配TensorFlow版本）：

pip install scikeras[tensorflow]

若使用原生Keras而非TensorFlow Keras，安装命令为：

pip install scikeras[keras]

核心原因 #

1. 参数传递规则差异：scikeras中，模型内部的自定义参数（如学习率、网络结构参数）需要添加model__前缀，直接写参数名会被识别为KerasRegressor自身的参数，而非传递给你的ann_model的参数。
2. 代码语法错误：你的param_grid定义末尾缺少闭合的}，导致语法解析失败。
3. 模型形式错误：ann_model必须是可接收参数的函数（而非已实例化的模型），否则无法动态调整网格搜索中的参数。

解决步骤 #

1. 修正模型定义

将ann_model改为可接收参数的函数，示例如下：

import keras

def ann_model(number_of_hidden_layers=1, number_of_neurons=16, lr=0.001):
    model = keras.models.Sequential()
    # 输入层
    model.add(keras.layers.Dense(number_of_neurons, activation='relu', input_shape=(x_train.shape[1],)))
    # 动态添加隐藏层
    for _ in range(number_of_hidden_layers - 1):
        model.add(keras.layers.Dense(number_of_neurons, activation='relu'))
    # 回归任务输出层（线性激活）
    model.add(keras.layers.Dense(1))
    # 使用传入的学习率编译模型
    optimizer = keras.optimizers.Adam(learning_rate=lr)
    model.compile(optimizer=optimizer, loss='mse')
    return model

2. 修正网格搜索代码

添加参数前缀并修复语法错误：

from scikeras.wrappers import KerasRegressor
from sklearn.model_selection import GridSearchCV

# 传入模型函数（而非实例化模型）
keras_sk_reg = KerasRegressor(model=ann_model)

# 参数添加model__前缀，修复语法闭合问题
param_grid = {
    'model__number_of_hidden_layers': [1, 3, 5],
    'model__number_of_neurons': [16, 32, 64],
    'model__lr': [0.001, 0.01, 0.1]
}

keras_sk_reg_gs = GridSearchCV(keras_sk_reg, param_grid=param_grid)
# GridSearchCV会自动划分交叉验证集，无需传入validation_data
keras_sk_reg_gs.fit(x_train, y_train, epochs=10, callbacks=[keras.callbacks.EarlyStopping(patience=5)])

额外注意

GridSearchCV在交叉验证过程中会自动将训练集拆分为训练/验证子集，因此fit方法中不需要传入validation_data，否则会引发参数冲突。

内容的提问来源于stack exchange，提问作者Mohammad Mehdi Ghirati