sklearn SimpleImputer序列化后调用transform报RuntimeError求助

我来帮你梳理下这个问题的原因和解决办法，这是scikit-learn 0.23.x版本里的一个常见小问题，刚好我之前也碰到过类似情况：

问题根源 #

在sklearn 0.23.1版本中，SimpleImputer拟合完成后，并不会自动将n_features_in_属性（用来记录训练数据的特征数量）纳入序列化的属性列表。当你用pickle保存再加载后，虽然statistics_（填充用的均值数组）能正常读取，但transform方法执行时会检查n_features_in_来验证测试集的特征数量是否和训练集一致，缺失这个属性就会抛出你看到的错误。

具体解决思路 #

1. 拟合后手动添加属性再保存（推荐） #

在保存imputer之前，手动给它加上n_features_in_属性，值设置为训练集的特征数量：

import numpy as np
from sklearn.impute import SimpleImputer
import pickle

# 拟合imputer
imputer = SimpleImputer(missing_values=np.nan, strategy='mean')
imputer = imputer.fit(train)

# 手动添加n_features_in_属性
imputer.n_features_in_ = train.shape[1]

# 保存到文件
pickle.dump(imputer, open('imputer.pkl', 'wb'))

这样加载后调用transform时，就能正常找到这个属性完成特征数量验证。

2. 升级scikit-learn版本（长期解决方案） #

这个问题在sklearn 0.24及以后的版本中已经被官方修复了，拟合后的估计器会自动保留n_features_in_属性，序列化后也不会丢失。如果你的项目环境允许，直接升级到更高版本就能彻底解决：

pip install --upgrade scikit-learn>=0.24

3. 加载后手动补充属性（适合已保存旧模型的情况） #

如果你已经有了保存好的imputer.pkl，不想重新拟合训练数据，可以在加载后手动补充这个属性（注意要确保测试集和训练集的特征数量一致）：

import pickle

# 加载模型
imputer = pickle.load(open('imputer.pkl', 'rb'))

# 手动设置n_features_in_为训练时的特征数（比如train有8个特征就写8，或者用test.shape[1]确保匹配）
imputer.n_features_in_ = test.shape[1]

# 现在可以正常调用transform了
test_imputed = imputer.transform(test)

额外验证提示 #

你可以在加载后打印imputer.__dict__来查看所有属性，确认n_features_in_是否存在，这样能提前排查问题。

内容的提问来源于stack exchange，提问作者M Waz