如何从字符串变量实例化scikit-learn模型？

方法1：用eval()快速实现（适合可信配置） #

如果你的YAML配置是自己维护的、安全的，直接用eval()执行字符串就能得到模型实例：

from sklearn.linear_model import LinearRegression

my_model = "LinearRegression()"
model = eval(my_model)
print(type(model))  # 输出: <class 'sklearn.linear_model._base.LinearRegression'>

这种方法最简单，但绝对不要用在不可信的输入上——eval()会执行任何传入的Python代码，有安全风险。

方法2：动态导入模型类（安全且支持参数微调） #

更稳妥的方式是把YAML里的模型配置拆成「类名+参数」的结构（比如{"model": "LinearRegression", "params": {"fit_intercept": False}}），然后动态导入并实例化：

import importlib

# 从YAML读取的模型配置
model_config = {"model": "LinearRegression", "params": {"fit_intercept": False}}

# 动态获取对应模块的模型类
module = importlib.import_module("sklearn.linear_model")
model_class = getattr(module, model_config["model"])
# 传入参数实例化
model = model_class(**model_config["params"])

这种方法既安全，又能灵活给模型传参，完美适配AutoML里遍历测试不同模型参数的场景。

方法3：预定义模型映射字典（可控性拉满） #

如果你的测试模型范围固定，可以提前把所有候选模型做成字典，通过字符串键直接取实例：

from sklearn.linear_model import LinearRegression, LogisticRegression
from sklearn.ensemble import RandomForestClassifier

# 预定义所有要测试的模型
model_map = {
    "LinearRegression()": LinearRegression(),
    "LogisticRegression()": LogisticRegression(max_iter=1000),
    "RandomForestClassifier()": RandomForestClassifier(n_estimators=100)
}

my_model = "LinearRegression()"
model = model_map[my_model]

这种方式完全避免了动态执行代码的风险，还能提前给每个模型设置默认参数，适合模型列表明确的场景。

内容的提问来源于stack exchange，提问作者Andrzej Wodecki