Python 2.7.13：无法从外部文件导入RandomForestClassifier求助

看起来你遇到了模块导入时程序卡住的麻烦——既不报错也不终止，这种情况通常是导入过程中触发了耗时操作或者隐性的依赖问题，结合你给出的代码片段，我整理了几个常见的排查方向和解决办法：

1. 先换掉过时的scikit-learn导入语句 #

你用的cross_validation和grid_search模块在scikit-learn 0.20版本之后就被正式移到model_selection底下了，旧的导入方式不仅会触发警告，还可能在某些环境下导致隐性的加载阻塞。赶紧把导入代码改成这样：

from sklearn.model_selection import cross_val_score, GridSearchCV  # 替换旧的cross_validation和grid_search
from sklearn.ensemble import RandomForestClassifier

2. 检查模块全局作用域的代码 #

如果你的独立分类器文件里，在函数外面直接写了模型训练的代码（比如直接调用train_rfc(X,y)），那导入这个文件的时候就会自动执行这段代码——如果你的数据集很大，或者GridSearchCV的参数组合多，程序就会卡在训练环节，看起来像导入卡住了。

解决办法很简单：把所有需要执行的代码放到if __name__ == "__main__":块里，这样只有直接运行这个文件时才会执行，导入时不会触发：

def train_rfc(X,y):
    n_estimators = [100]
    min_samples_split = [2]
    # 补完你的GridSearchCV和模型训练代码
    param_grid = {'n_estimators': n_estimators, 'min_samples_split': min_samples_split}
    grid_search = GridSearchCV(RandomForestClassifier(), param_grid, cv=5)
    grid_search.fit(X, y)
    return grid_search.best_estimator_

# 只有直接运行这个文件时才会执行下面的代码
if __name__ == "__main__":
    # 这里放测试用的数据集加载和训练调用
    import numpy as np
    X = np.random.rand(1000, 10)
    y = np.random.randint(0, 2, 1000)
    model = train_rfc(X, y)
    print("模型训练完成")

3. 排查循环导入问题 #

如果你拆分了多个分类器文件，比如A文件导入了B文件的函数，B文件又导入了A文件的某个类，这种循环导入会导致Python的导入机制卡住，程序陷入死锁。

解决办法：

• 把多个文件共享的代码（比如数据预处理函数）抽成一个独立的基础模块，让其他文件都导入这个基础模块，避免互相导入
• 或者把导入语句放到函数内部（延迟导入），而不是模块顶部，比如：

def train_rfc(X,y):
    from sklearn.model_selection import GridSearchCV
    from sklearn.ensemble import RandomForestClassifier
    # 后续训练代码

4. 单独测试导入，定位阻塞点 #

你可以在终端里直接运行导入命令，看是否能获得更多线索：

python -c "import your_rfc_file_name"

如果卡住了，你可以尝试用ctrl+C终止，看看会不会抛出错误栈，帮你定位到底是哪一行代码出了问题。

内容的提问来源于stack exchange，提问作者Oleg Borisov