导入imblearn SMOTE与sklearn DistanceMetric报ImportError的解决方案
问题复现
导入SMOTE时触发报错：
from imblearn.over_sampling import SMOTE
报错信息：
ImportError: cannot import name 'DistanceMetric' from 'sklearn.metrics' (D:\Programas\Anaconda\lib\site-packages\sklearn\metrics\__init__.py)
尝试安装scikit-learn==1.1.0后直接导入DistanceMetric仍报相同错误：
!pip install scikit-learn==1.1.0 --user from sklearn.metrics import DistanceMetric as _DistanceMetric
报错信息与之前一致。
1. 包安装路径冲突，指定版本未实际生效
使用--user参数安装包时，包会被安装到当前用户的Python包目录，优先级低于Anaconda全局环境的site-packages目录，代码运行时实际加载的还是原有不兼容版本的scikit-learn，新安装的1.1.0版本没有被调用。
对应解决方案：
- 先彻底卸载当前环境下所有scikit-learn、imbalanced-learn残留，依次执行命令：
pip uninstall -y scikit-learn imbalanced-learn conda uninstall -y scikit-learn imbalanced-learn
- 去掉
--user参数，在当前激活的conda环境中重新安装兼容版本：
pip install scikit-learn==1.1.0 imbalanced-learn==0.9.1
- 安装完成后执行校验代码，确认实际加载的scikit-learn版本为1.1.0、路径匹配当前环境：
import sklearn print(sklearn.__version__) print(sklearn.__file__)
如果输出版本不是1.1.0，说明存在多Python环境/内核冲突，切换到对应安装环境的内核即可。
2. scikit-learn与imbalanced-learn版本适配错误
DistanceMetric在不同版本scikit-learn中的导入路径存在差异：scikit-learn 1.2及以上版本已将DistanceMetric从sklearn.metrics迁移至sklearn.metrics.pairwise路径下。若imbalanced-learn版本过低（<0.10.0），会固定从旧路径sklearn.metrics查找该类，与高版本scikit-learn不兼容；若imbalanced-learn版本过高，对scikit-learn的最低版本要求超过1.1.0，也会出现路径适配问题。
对应解决方案：
- 无需硬锁定scikit-learn 1.1.0版本，直接安装官方预适配的最新稳定版组合即可：
pip install -U scikit-learn imbalanced-learn
- 若必须使用低版本环境，严格按照官方兼容配对规则安装：
- imbalanced-learn 0.9.x 适配 scikit-learn 1.0.x ~ 1.1.x
- imbalanced-learn 0.10.x ~ 0.12.x 适配 scikit-learn 1.2.x ~ 1.4.x
- imbalanced-learn 0.13.x 适配 scikit-learn 1.5.x及以上版本
3. 安装文件损坏或缓存残留
历史安装、卸载操作未完全清理旧版本文件，比如sklearn/metrics/__init__.py为旧版本残留文件，未包含DistanceMetric的导出语句，即使重新安装包，也可能因为本地pip缓存未更新导致损坏文件未被替换。
对应解决方案：
- 先清空本地pip安装缓存：
pip cache purge
- 定位到报错信息中提示的scikit-learn安装路径（即报错括号内的
D:\Programas\Anaconda\lib\site-packages\目录），手动删除该目录下所有scikit_learn*、imbalanced_learn*开头的文件夹，再重新执行安装命令。
4. 交互式环境内核未重启，旧版本包持续驻留
在Jupyter Notebook/Lab类交互式环境中运行代码时，内核启动时就已经加载了环境中的旧版本包，即使在单元格中执行pip安装新版本包，内核不会自动替换已加载的模块，手动调用importlib.reload也无法解决跨包依赖的加载问题。
对应解决方案：
- 完成包安装操作后，直接点击交互式环境界面的重启内核按钮，完全重启内核进程。
- 重启后先运行版本校验代码确认scikit-learn版本正确，再执行SMOTE导入逻辑。
内容的提问来源于stack exchange，提问作者SmackCat
