构建Scikit-learn兼容估计器遇AttributeError: 'dict'无'requires_fit'属性

错误原因分析 #

出现AttributeError: 'dict' object has no attribute 'requires_fit'的核心原因是：

• 在scikit-learn 1.6.1版本中，__sklearn_tags__必须定义为类方法，而非实例方法。直接返回字典会导致内部代码尝试将字典当作Tag对象访问属性，从而触发错误。
• 代码还存在两处次要错误：
  1. predict方法中误写self.intercept，实际应为self.intercept_（fit方法中定义的是带下划线的属性）。
  2. _obtain_beta方法中self.coef_的维度错误：误用了样本数X.shape[0]，实际应使用特征数X.shape[1]，否则矩阵相乘会出现维度不匹配。

修正后的完整代码 #

from sklearn.utils.validation import check_is_fitted, check_X_y
import numpy as np
from sklearn.base import BaseEstimator, RegressorMixin

class BaseModel(BaseEstimator, RegressorMixin):
    """
    Base class for penalized regression models using cp.
    """
    def __init__(self, param: float = 0.5):
        self.param = param
    
    def _obtain_beta(self, X, y):
        self.intercept_ = 0
        # 修正：用特征数X.shape[1]而非样本数X.shape[0]
        self.coef_ = self.param * np.ones(X.shape[1])

    def fit(self, X: np.ndarray, y: np.ndarray):
        self.feature_names_in_ = None
        if hasattr(X, "columns"):
            self.feature_names_in_ = np.asarray(X.columns, dtype=object)
        X, y = check_X_y(X, y, accept_sparse=False, y_numeric=True, ensure_min_samples=2)
        self.n_features_in_ = X.shape[1]
        self._obtain_beta(X, y)
        self.is_fitted_ = True
        return self

    def predict(self, X: np.ndarray) -> np.ndarray:
        check_is_fitted(self, ["coef_", "intercept_", "is_fitted_"])
        # 修正：用self.intercept_而非self.intercept
        predictions = np.dot(X, self.coef_) + self.intercept_
        return predictions

    @classmethod  # 关键：将__sklearn_tags__定义为类方法
    def __sklearn_tags__(cls):
        # 先获取父类的标签，再合并自定义标签
        tags = super().__sklearn_tags__()
        tags.update({
            "allow_nan": False,
            "requires_y": True,  
            "requires_fit": True,     
        })
        return tags

# USAGE EXAMPLE
from sklearn.datasets import make_regression

X, y, beta = make_regression(n_samples=200, n_features=200, n_informative=25, bias=10, noise=5, random_state=42, coef=True)
model = BaseModel()
model.fit(X, y)
# 验证预测功能
preds = model.predict(X)
print(preds[:5])

关键修正点说明 #

• @classmethod装饰器：确保__sklearn_tags__是类方法，scikit-learn内部会正确调用并处理返回的标签字典。
• 继承父类标签：通过super().__sklearn_tags__()获取BaseEstimator和RegressorMixin的默认标签，再用update添加自定义标签，避免覆盖必要的默认标签。
• 维度与属性名修正：解决矩阵相乘和属性不存在的潜在错误。

内容的提问来源于stack exchange，提问作者Álvaro Méndez Civieta