scikit-learn模型Pickle序列化反序列化后与原模型不等？如何处理？

该现象是否符合预期？ #

这个AssertionError是完全符合预期的。原因很简单：scikit-learn的模型实例默认没有实现__eq__方法，直接用==比较两个模型，本质是对比对象的内存地址。反序列化得到的model2是全新创建的对象，和原model的内存地址不同，自然会断言失败。

哪怕两个模型的参数、训练结果完全一致，只要是不同的实例，直接用==比较都会返回False——这是Python对象比较的默认逻辑，和pickle序列化本身没有关系。

更优的scikit-learn模型序列化方式？ #

scikit-learn官方推荐使用joblib进行模型持久化，相比pickle更适合场景需求：

• 针对numpy数组这类大数据结构的序列化效率更高，速度更快、生成的文件体积更小；
• 是专门为scikit-learn生态设计的工具，版本兼容性更有保障。

示例代码：

from sklearn.ensemble import RandomForestRegressor
import numpy as np
import joblib

# 训练模型
model = RandomForestRegressor()
model.fit(np.array([[1], [2], [3]]), np.array([1, 2, 3]))

# 序列化到文件
joblib.dump(model, "rf_model.joblib")

# 从文件反序列化
model2 = joblib.load("rf_model.joblib")

# 验证模型一致性（不要用==，要对比实际输出或参数）
assert np.allclose(model.predict([[1]]), model2.predict([[1]]))
# 也可以验证模型参数
assert model.get_params() == model2.get_params()

如果一定要使用pickle，也能实现需求，但要注意两点：

• 不要直接用==比较实例，要通过预测结果、模型参数这类实际内容来确认一致性；
• 保证序列化和反序列化时的scikit-learn版本一致，避免出现兼容性问题。

内容的提问来源于stack exchange，提问作者functorial