使用scikeras KerasClassifier时cross_val_score与fit报TypeError求助

问题分析 #

你遇到的TypeError本质是Scikeras与TensorFlow/Keras版本兼容性，以及Scikeras参数传递机制和旧版Keras封装不同导致的：

• Scikeras默认会向Keras的fit()方法传递validation_batch_size参数，但旧版TensorFlow的training_v1.fit()不支持该参数。
• 你直接将epochs、batch_size等fit()参数传给KerasClassifier，不符合Scikeras的命名空间参数规则，加剧了参数传递混乱。

解决方案 #

1. 修正Scikeras参数传递方式 #

Scikeras用命名空间前缀区分模型构建、编译、训练阶段的参数，必须为fit()方法的参数添加fit__前缀：

estimator = KerasClassifier(
    model=base_model,
    fit__epochs=300,
    fit__batch_size=200,
    fit__verbose=0,
    validation_batch_size=None  # 显式禁用自动传递该参数
)

2. 优化模型构建函数（推荐） #

将模型编译逻辑从构建函数中剥离，交给Scikeras统一处理，避免参数冲突：

def base_model():
    # 仅创建网络结构，不编译
    model = Sequential()
    model.add(Dense(8, input_dim=10, activation='relu'))
    model.add(Dense(4, activation='softmax'))
    return model

# 初始化时指定编译参数
estimator = KerasClassifier(
    model=base_model,
    fit__epochs=300,
    fit__batch_size=200,
    fit__verbose=0,
    compile__loss='categorical_crossentropy',
    compile__optimizer='adam',
    compile__metrics=['accuracy'],
    validation_batch_size=None
)

3. 升级库版本确保兼容 #

执行以下命令升级到兼容版本：

pip install --upgrade scikeras tensorflow

建议使用scikeras>=0.11.0和tensorflow>=2.8.0，避免旧版training_v1的API限制。

4. 验证cross_val_score调用 #

保持交叉验证代码不变，确保输入数据X和encoded_y为标准numpy数组：

kfold = KFold(n_splits=10, shuffle=True)
results = cross_val_score(estimator, X, encoded_y, cv=kfold)
print("%.2f%% (%.2f%%)" % (results.mean()*100, results.std()*100))

验证训练代码 #

调整后的estimator可以正常调用fit()：

estimator.fit(X_train, Y_train)
y_preds = estimator.predict(X_test)

内容的提问来源于stack exchange，提问作者Hemil Shah