导入KerasClassifier时出现ModuleNotFoundError问题求助

问题根源 #

Keras 3.x及以上版本已移除keras.wrappers和tensorflow.keras.wrappers模块，这是导致导入报错的核心原因。以下是几种可行的解决方法：

• 先确认当前Keras版本
  运行代码查看版本，确认是否为3.x及以上：

  import keras
  print(keras.__version__)
  

• 方案1：使用官方替代工具keras.utils.wrap_model
  这是Keras官方推荐的替代方案，用于将Keras模型适配为scikit-learn兼容接口：

  from keras.utils import wrap_model
  from sklearn.model_selection import cross_val_score
  from keras.models import Sequential
  from keras.layers import Dense
  
  # 定义你的Keras模型
  def create_model():
      model = Sequential()
      model.add(Dense(12, input_shape=(8,), activation='relu'))
      model.add(Dense(1, activation='sigmoid'))
      model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
      return model
  
  # 包装模型以适配scikit-learn接口
  model = create_model()
  wrapped_model = wrap_model(model, input_shape=(8,))
  
  # 后续可直接使用scikit-learn的方法（例如交叉验证）
  # scores = cross_val_score(wrapped_model, X, y, cv=5)
  

• 方案2：自定义适配scikit-learn的分类器类
  若需要更灵活的控制逻辑，可手动实现scikit-learn的接口规范：

  from sklearn.base import BaseEstimator, ClassifierMixin
  from keras.models import Sequential
  from keras.layers import Dense
  import numpy as np
  
  class KerasClassifier(BaseEstimator, ClassifierMixin):
      def __init__(self, build_fn, epochs=10, batch_size=32):
          self.build_fn = build_fn
          self.epochs = epochs
          self.batch_size = batch_size
          self.model = None
  
      def fit(self, X, y):
          self.model = self.build_fn()
          self.model.fit(X, y, epochs=self.epochs, batch_size=self.batch_size, verbose=0)
          return self
  
      def predict(self, X):
          predictions = self.model.predict(X, verbose=0)
          # 适配二分类和多分类场景
          return np.argmax(predictions, axis=1) if predictions.shape[1]>1 else (predictions > 0.5).astype(int).flatten()
  
      def score(self, X, y):
          _, accuracy = self.model.evaluate(X, y, verbose=0)
          return accuracy
  
  # 使用示例
  def create_model():
      model = Sequential()
      model.add(Dense(12, input_shape=(8,), activation='relu'))
      model.add(Dense(1, activation='sigmoid'))
      model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
      return model
  
  clf = KerasClassifier(build_fn=create_model, epochs=20, batch_size=16)
  # clf.fit(X_train, y_train)
  # print(clf.score(X_test, y_test))
  

• 方案3：降级到旧版Keras
  如果必须保留原导入逻辑，可以降级到Keras 2.x版本（需匹配对应TensorFlow版本）：

  pip install keras==2.15.0 tensorflow==2.15.0
  

内容的提问来源于stack exchange，提问作者Jay_G