升级scikit-learn后加载v0.19.1训练的Pickle模型失败，如何解决？

这个问题我之前也碰到过，确实不用重新训练所有模型就能解决——核心原因是DeprecationDict是scikit-learn v0.19.1里的内部辅助类，在v0.23.1版本中被移除或重构了，pickle加载时找不到这个类就会抛出AttributeError。下面给你几个可行的解决方案：

方案1：手动补全缺失的DeprecationDict类 #

在加载模型前，先在当前环境的sklearn.utils.deprecation模块中定义这个类，让pickle能找到对应的结构。这是最直接的即时解决方案：

import sklearn.utils.deprecation
import warnings

# 还原scikit-learn v0.19.1中DeprecationDict的核心实现
class DeprecationDict(dict):
    def __init__(self, *args, **kwargs):
        self._deprecations = kwargs.pop('_deprecations', {})
        super().__init__(*args, **kwargs)
    
    def __getitem__(self, key):
        if key in self._deprecations:
            warnings.warn(self._deprecations[key], DeprecationWarning, stacklevel=2)
        return super().__getitem__(key)

# 将这个类注入到对应的模块中
sklearn.utils.deprecation.DeprecationDict = DeprecationDict

# 现在正常加载你的模型
import pickle
with open("your_model_file.pkl", "rb") as pkl_file:
    page_selector = pickle.load(pkl_file)

这个实现还原了旧版本中DeprecationDict的核心功能——一个带有废弃警告提示的字典子类，补上之后pickle就能顺利解析模型文件了。

方案2：临时降级后转存模型（适合批量处理） #

如果你的模型数量较多，或者不想修改加载脚本，可以先临时降级到v0.19.1加载模型，再用新版本兼容的方式重新保存：

1. 临时降级scikit-learn：

pip install scikit-learn==0.19.1

2. 加载旧模型并转存为joblib格式（sklearn官方推荐用joblib存储模型，兼容性和效率都比pickle好）：

import pickle
from sklearn.externals import joblib

# 加载旧pickle模型
with open("old_model.pkl", "rb") as f:
    model = pickle.load(f)

# 用joblib重新保存
joblib.dump(model, "new_model.joblib")

3. 升级回v0.23.1：

pip install scikit-learn==0.23.1

4. 加载新保存的模型：

from sklearn.externals import joblib
page_selector = joblib.load("new_model.joblib")

注意事项 #

• 方案1的代码需要放在pickle.load()执行之前，确保类已经被注入到模块中
• 如果后续还有其他旧版本内部类缺失的报错，可以用类似的思路补全对应的类实现
• 后续建议统一用joblib存储sklearn模型，避免跨版本的pickle兼容性问题

内容的提问来源于stack exchange，提问作者Robycool