使用Pickle、JSON和JobLib保存加载XGBoost模型时出错

错误原因解析 #

报错Check failed: str[0] == '{'说明XGBoost在解析模型文件时，预期文件为JSON格式（以{开头），但实际读取到的内容不符合该格式。常见诱因包括：

• 版本不兼容：Colab环境的XGBoost版本与本地机器版本差异过大，不同版本的模型存储结构存在变化，导致解析失败。
• 保存/加载方式不匹配：混用第三方库（pickle/joblib）与XGBoost原生加载方法。比如用pickle保存的模型，却调用model.load_model()加载——该方法仅识别XGBoost原生的二进制或JSON格式文件。
• 文件损坏：模型文件在保存或下载过程中中断、篡改，导致内容不完整，开头并非预期的{。

解决步骤 #

1. 统一XGBoost版本
   在Colab和本地分别执行以下命令，确认版本是否一致：

   import xgboost
   print(xgboost.__version__)
   

   若版本不同，将本地版本升级/降级至与Colab一致（例如执行pip install xgboost==<对应版本号>）。

2. 使用XGBoost原生方法保存加载
   优先使用XGBoost自带的API，兼容性最佳：

   • 保存为二进制格式：

     model.save_model('xgb_reg_model.model')
     

   • 加载模型：

     from xgboost import XGBRegressor
     model = XGBRegressor()
     model.load_model('xgb_reg_model.model')
     

   若需保存为JSON格式，同样使用原生方法：

   model.save_model('xgb_reg_model.json')
   # 加载
   model.load_model('xgb_reg_model.json')
   

3. 正确使用pickle/joblib
   若必须用第三方库保存，加载时不要调用XGBoost的load_model()，直接用对应库加载：

   • 保存（joblib示例）：

     import joblib
     joblib.dump(model, 'xgb_reg_model.sav')
     

   • 加载：

     import joblib
     model = joblib.load('xgb_reg_model.sav')
     

4. 检查模型文件完整性
   打开JSON格式的模型文件，确认开头为{。若不是，说明文件损坏，重新在Colab保存模型并完整下载到本地。

内容的提问来源于stack exchange，提问作者Pedro Chaves