sklearn版本一致仍出现ColumnTransformer属性缺失错误求助

今日之前所有运行均正常，执行以下代码加载模型并调用predict时出现错误：

model_loaded = joblib.load(path + model)
print(model_loaded.__getstate__()['_sklearn_version'])
res = model_loaded.predict(binance)

执行输出：

1.2.1
479 for _, name, transform in self._iter(with_final=False):
--> 480 Xt = transform.transform(Xt)
AttributeError: 'ColumnTransformer' object has no attribute '_name_to_fitted_passthrough'

本地sklearn版本验证代码：

print('The scikit-learn version is {}.'.format(sklearn.__version__))

输出：

The scikit-learn version is 1.2.1.

本地sklearn版本与模型保存时版本一致，但仍出现属性缺失错误。

• 核对完整版本号：
  主版本一致不代表小补丁版本完全匹配，执行pip show scikit-learn查看完整版本信息，确保和保存模型时的环境完全一致。若有差异，安装对应精确版本：

  pip install scikit-learn==1.2.1  # 若补丁版本不同，替换为具体如1.2.1.post1
  

• 重新训练并保存模型：
  如果有训练代码，用当前本地环境重新训练模型并保存，替换旧模型文件。这能彻底规避序列化时的环境细微差异问题。

• 临时手动补全属性：
  加载模型后，手动为ColumnTransformer组件添加缺失属性。比如模型是Pipeline结构，包含名为preprocessor的预处理步骤：

  preprocessor = model_loaded.named_steps['preprocessor']
  preprocessor._name_to_fitted_passthrough = {}
  

  完成后再调用predict，但这仅作临时修复，优先推荐前两种方案。

• 清理缓存重装依赖：
  缓存的旧文件可能导致版本异常，执行以下命令清理后重装：

  pip uninstall -y scikit-learn
  pip cache purge
  pip install scikit-learn==1.2.1
  

内容的提问来源于stack exchange，提问作者user566657