使用新版scikit-learn加载旧训练模型时遇模块缺失错误

错误原因 #

scikit-learn在版本迭代中重构了模块结构：在0.20.3版本中，逻辑回归相关类位于sklearn.linear_model.logistic子模块；而升级到1.1.3版本后，该子模块被合并到sklearn.linear_model主模块中，旧模块路径被移除，导致joblib加载旧模型时触发ModuleNotFoundError。

解决方案 #

1. 临时模块映射（快速修复） #

在加载模型前，手动将旧模块路径映射到新的模块位置，让pickle能找到对应的类：

import sys
from sklearn.linear_model import logistic as _logistic

# 注册旧模块路径，兼容pickle加载
sys.modules['sklearn.linear_model.logistic'] = _logistic

# 然后加载模型
from joblib import load
model = load('你的模型文件路径.joblib')

2. 重新训练模型（长期最优方案） #

跨大版本的模型兼容性难以保证，建议在Python3.10.6 + scikit-learn1.1.3的新环境中重新训练模型并保存，这样既能避免兼容性问题，还能利用新版本的性能优化和bug修复。

3. 临时降级环境导出模型（备选方案） #

如果无法重新训练，可以创建一个与原环境一致的虚拟环境（Python3.6.5 + scikit-learn0.20.3），加载旧模型后，将模型转换为更通用的格式（如ONNX），或者在旧环境中重新保存模型后尝试在新环境加载（此方法兼容性仍有风险）。

内容的提问来源于stack exchange，提问作者Deepak Tatyaji Ahire