部署IPL比赛获胜概率预测模型时遇ColumnTransformer属性错误

错误信息 #

AttributeError: 'ColumnTransformer' object has no attribute '_name_to_fitted_passthrough'

用户代码片段 #

ColumnTransformer 定义 #

from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OneHotEncoder

trf = ColumnTransformer([('trf',OneHotEncoder(sparse=False,drop='first'), 
['batting_team','bowling_team','city'])],remainder='passthrough')

Pipeline 定义 #

pipe = Pipeline(steps=[
('step1',trf),
('step2',LogisticRegression(solver='liblinear'))])

解决方法 #

• 统一scikit-learn版本：这个错误大多是训练模型的环境与Streamlit部署环境的scikit-learn版本不匹配导致的。_name_to_fitted_passthrough是scikit-learn特定版本新增的属性，版本不一致会引发该报错。
  1. 查看训练环境的scikit-learn版本：

     pip show scikit-learn
     

  2. 在部署环境安装完全相同的版本：

     pip install scikit-learn==x.x.x
     

     将命令中的x.x.x替换为训练环境显示的版本号。
• 规范模型的保存与加载：建议使用joblib工具来保存和加载模型，避免版本兼容问题：
  训练阶段保存模型：

  import joblib
  joblib.dump(pipe, 'ipl_win_predictor.pkl')
  

  Streamlit部署时加载模型：

  import joblib
  pipe = joblib.load('ipl_win_predictor.pkl')
  

内容的提问来源于stack exchange，提问作者Jagadeesh Pangala