scikit-learn版本兼容报错：ModuleNotFoundError求助及cPickle替换疑问

报错原因解析 #

scikit-learn 0.18版本中，PCA类的模块路径是sklearn.decomposition.pca，但在1.2.1等新版本中，内部结构重构后该类被移至sklearn.decomposition._pca，直接加载旧版本序列化的PCA模型就会触发ModuleNotFoundError。

另外，你把cPickle替换为import pickle as cPickle是完全没问题的——Python3的pickle模块已经整合了原cPickle的全部功能，这个改动不会影响代码运行。

解决方案 #

方案1：自定义Unpickler重定向模块路径 #

修改preprocessing.py中加载PCA模型的代码，用自定义的Unpickler将旧模块路径映射到新路径：

import pickle as cPickle
from sklearn.decomposition import PCA

class PCAUnpickler(cPickle.Unpickler):
    def find_class(self, module, name):
        # 重定向旧的PCA模块路径到当前版本的PCA类
        if module == 'sklearn.decomposition.pca' and name == 'PCA':
            return PCA
        return super().find_class(module, name)

# 替换原加载代码（原代码是pca = cPickle.load(fid)）
with open(pca_model, 'rb') as fid:
    pca = PCAUnpickler(fid).load()

方案2：临时添加模块别名 #

如果不想修改加载逻辑，可以在代码最开头（比如run_DeepDDI.py的顶部）添加以下代码，临时把旧模块名映射到新模块：

import sys
from sklearn.decomposition import _pca

# 给旧模块名创建别名，让pickle能找到对应类
sys.modules['sklearn.decomposition.pca'] = _pca

这样再加载旧版本序列化的PCA模型时，Python就能正确找到对应的类了。

内容的提问来源于stack exchange，提问作者Sara Almashharawi