使用SilhouetteVisualizer报NoneType无split属性错误如何解决

触发AttributeError: 'NoneType' object has no attribute 'split'的核心原因是旧版本Yellowbrick和scikit-learn版本不兼容：新版scikit-learn中KMeans模型的_metric属性默认值为None，旧版Yellowbrick的SilhouetteVisualizer逻辑里没有做非空判断，直接调用该属性的split()方法就会触发报错。
另外你贴的代码还存在三处会导致运行异常/警告的问题：

• 缺少KMeans的导入语句，运行时会触发NameError
• 多轮循环绘图没有清理上一轮的画布缓存，可能出现多图重叠、显示错乱的问题
• 新版scikit-learn的KMeans没有显式指定n_init参数会弹出参数警告

你可以任选以下一种方式解决核心兼容性报错：

1. 最直接的方案：升级Yellowbrick到最新兼容版本，执行命令：

   pip install --upgrade yellowbrick
   

   升级后不需要修改原有可视化逻辑即可正常运行。
2. 无法升级Yellowbrick的场景：初始化SilhouetteVisualizer时手动传入metric参数，绕过对模型_metric属性的读取逻辑，参数值和KMeans使用的距离度量保持一致即可，KMeans默认使用欧氏距离，传入'euclidean'即可。

# 补全缺失的导入
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score
from yellowbrick.cluster import SilhouetteVisualizer
import matplotlib.pyplot as plt

for i in range(2, 10):
    plt.close()  # 清理上一轮画布缓存，避免图像重叠
    # 显式指定n_init消除新版sklearn的参数警告
    km = KMeans(n_clusters=i, random_state=100, n_init="auto")
    km.fit(df)
    sil_score = silhouette_score(df, km.labels_)
    print(f"Silhouette score for {i} clusters : {sil_score}")
    # 旧版Yellowbrick需要保留metric参数，升级到最新版可删除该参数
    sil_km = SilhouetteVisualizer(km, metric="euclidean")
    sil_km.fit(df)
    plt.show()

内容的提问来源于stack exchange，提问作者tushar