sklearn2pmml导出PyCaret的CatBoost模型报非BaseEstimator实例错误

• PyCaret模型封装逻辑存在模型间差异：XGBoost、LightGBM经过create_model/tune_model/finalize_model全流程处理后，返回的对象本身继承scikit-learn的BaseEstimator基类，符合sklearn2pmml的入参校验规则；CatBoost经过调参、最终化步骤后，外层会包裹PyCaret自定义的包装对象，该对象未继承BaseEstimator，直接传入make_pmml_pipeline就会触发类型报错。
• 原代码存在变量名笔误：上一行定义的流水线变量名为model_pipeline，最后导出时传入的是未定义的model_pipeline_pm，即使类型校验通过也会触发名称错误。
• 依赖版本不匹配会引发后续异常：若sklearn2pmml版本低于0.86、catboost版本低于1.0，或是scikit-learn版本高于1.2.2，即使传入合规的BaseEstimator实例，也可能出现PMML转换失败的问题。

按以下步骤操作即可正常导出CatBoost模型为PMML格式：

• 修正依赖版本：先安装匹配版本的依赖包，执行命令：

  pip install scikit-learn==1.2.2 sklearn2pmml==0.86.1 catboost==1.2.2
  

• 手动组装PMML流水线：不要直接用make_pmml_pipeline包装PyCaret返回的CatBoost结果，先拆分PyCaret输出流水线中的预处理步骤和原生CatBoost模型，再手动构建PMML可识别的流水线，保证预处理逻辑和模型逻辑同时被导出，修正后的完整代码如下：

  from sklearn2pmml.pipeline import PMMLPipeline
  from sklearn2pmml import sklearn2pmml
  from pycaret.regression import setup, tune_model, finalize_model, create_model
  
  # 原有建模逻辑保持不变
  clf = setup(
      data=df,
      target='target_Var',
      train_size=0.8,
      fold_shuffle=True,
      fold=5,
      fold_strategy="groupkfold",
      fold_groups="id",
      html=False,
      silent=True,
      session_id=1,
      n_jobs=-1
  )
  
  model = create_model('catboost')
  tuned_model = tune_model(model, fold=5)
  final_model = finalize_model(tuned_model)
  
  # 遍历PyCaret流水线的所有步骤，拆分预处理与原生模型
  pmml_steps = []
  for step_name, step_obj in final_model.steps:
      if step_name == "trained_model":
          # 提取原生CatBoost实例，该实例继承BaseEstimator可被sklearn2pmml识别
          pmml_steps.append(("catboost_regressor", step_obj))
      else:
          # 保留全部预处理步骤，避免导出的PMML无法处理原始输入数据
          pmml_steps.append((step_name, step_obj))
  
  # 构建PMML流水线并导出
  pmml_pipeline = PMMLPipeline(pmml_steps)
  sklearn2pmml(pmml_pipeline, model_path)
  

• 备选导出方案（适配极端兼容场景）：如果手动组装流水线仍存在转换问题，可提取原生CatBoost模型后直接调用CatBoost官方的PMML导出接口，避开sklearn2pmml的类型校验：

  该方案需要手动同步预处理逻辑，否则导出的PMML无法直接处理原始格式的输入数据，仅推荐在sklearn2pmml完全无法适配的场景使用：

  # 提取原生CatBoost模型后直接导出
  native_catboost = final_model.named_steps["trained_model"]
  native_catboost.save_model(model_path, format="pmml")
  

内容的提问来源于stack exchange，提问作者Forge