使用pickle加载sklearn LSA模型时报numpy.ndarray无transform属性

保存阶段存错了对象。当前代码用pickle序列化的是svd_matrix——也就是Pipeline处理完训练语料后输出的纯numpy格式投影矩阵，这个对象仅存储训练集所有文档的LSA向量数值，本身不具备处理新文本的能力，加载后自然会报'numpy.ndarray' object has no attribute 'transform'的错误。
真正支持新文本向量转换的是拟合完成的svd_transformer Pipeline对象，内部封装了训练好的TfidfVectorizer词表、idf权重，以及TruncatedSVD的全部分解参数，必须序列化这个对象才能支撑后续的查询转换逻辑。

1. 调整训练侧的保存逻辑 #

拆分保存内容：独立保存Pipeline模型本体、训练集投影矩阵（后者可用于后续的相似度检索）。
修正后的保存代码片段：

# 原有Pipeline拟合逻辑保持不变
svd_transformer = Pipeline([('tfidf', vectorizer), 
                            ('svd', svd_model)])
svd_matrix = svd_transformer.fit_transform(document_list)

# 保存具备新文本转换能力的Pipeline模型本体
with open("lsa_pipeline_model.bin", "wb") as f:
    pickle.dump(svd_transformer, f)

# 单独保存训练集的投影矩阵，后续做相似度匹配时可直接调用
with open("train_svd_projection.bin", "wb") as f:
    pickle.dump(svd_matrix, f)

2. 调整加载侧的调用逻辑 #

加载时严格匹配sklearn的接口要求，避免触发二次报错：

• 加载文件路径要对应之前保存的Pipeline模型文件
• transform方法要求输入为可迭代的文本集合，单条查询文本必须包成列表传入，不能直接传递单个字符串
  修正后的加载代码：

import pickle

# 加载Pipeline模型
with open('lsa_pipeline_model.bin', 'rb') as f:
    lsa_pipeline = pickle.load(f)

# 单条查询包成列表传入
query = ["best"]
query_vector = lsa_pipeline.transform(query)

print(query_vector)

• 不要把Pipeline的输出结果等同于模型本体：前者是静态数值计算结果，后者是携带全量拟合参数的处理流程，功能完全不同。
• 加载使用的scikit-learn版本需要和训练时的版本一致，版本差异过大可能导致pickle反序列化失败。
• 后续做文档相似度检索时，可直接加载单独保存的训练集投影矩阵，将新查询的向量与该矩阵计算余弦相似度即可，无需重复对训练集跑转换流程。

内容的提问来源于stack exchange，提问作者Chedi Bechikh