解决KerasClassifier交叉验证时的Adam 'build'属性缺失错误

这个错误的核心原因是Scikeras在交叉验证过程中克隆已编译的Keras模型时，无法正确序列化/反序列化Adam优化器。从报错栈可以看到，Scikeras尝试深度拷贝模型并重新加载后，调用model.optimizer.build()时出错——Keras V2的优化器并没有暴露build方法，这是Scikeras内部处理优化器状态时的兼容性问题。

下面是几种可行的解决方案，按推荐程度排序：

1. 传入模型构建函数而非已编译的模型 #

这是Scikeras设计的标准用法：让KerasClassifier接收一个返回未编译模型的函数，由Scikeras负责编译和克隆模型，避免优化器的序列化问题。

修改你的代码如下：

from scikeras.wrappers import KerasClassifier
from sklearn.model_selection import cross_validate

# 定义模型构建函数，返回未编译的模型
def create_model():
    # 这里替换成你自己的模型结构
    model = ... # 比如Sequential或者Functional模型
    return model

# 传入构建函数，由Scikeras处理编译
keras_clf = KerasClassifier(
    model=create_model, 
    optimizer="adam", 
    epochs=100, 
    verbose=0
)

# 使用sklearn官方的cross_validate（注意你之前的cross_validation可能是笔误）
model_kResults = cross_validate(
    keras_clf, 
    X, y, 
    cv=5,
    scoring=["accuracy", "f1"]  # 指定需要评估的指标
)

# 输出结果（注意cross_validate的返回键名是test_开头）
print(model_kResults)
print("Mean Validation Accuracy:", model_kResults["test_accuracy"].mean())
print("Mean Validation F1 Score:", model_kResults["test_f1"].mean())

2. 若必须传入已编译模型：优化器用配置字典而非实例 #

如果你坚持要传入已编译的模型，确保编译时使用优化器的配置字典而不是直接传入Adam实例，这样Scikeras可以正确序列化优化器：

# 编译模型时用配置字典
model.compile(
    optimizer={"class_name": "Adam", "config": {"learning_rate": 0.001}},
    loss="binary_crossentropy",
    metrics=["accuracy"]
)

keras_clf = KerasClassifier(model=model, epochs=100, verbose=0)

⚠️ 注意：这种方法仍可能存在克隆时的状态问题，不如第一种方案可靠。

3. 升级Scikeras到最新版本 #

部分旧版本的Scikeras与TensorFlow 2.x的优化器存在兼容性问题，升级到最新版可以修复这类bug：

pip install --upgrade scikeras

为什么之前正常现在出错？ #

可能的原因包括：

• 你之前传入的是未编译的模型，而现在传入了已编译的模型；
• Scikeras或TensorFlow版本更新后，克隆/序列化逻辑发生了变化；
• 之前的代码无意中避开了优化器的序列化步骤（比如没有触发模型克隆）。

内容的提问来源于stack exchange，提问作者all.m