Python 使用joblib加载pickled scikit学习模型时出现KeyError

我有一个对象，其中包含两个

scikit learn

模型，一个

IsolationForest

和一个

RandomForestClassifier

，我想对其进行pickle，然后取消pickle，并使用它生成预测。除了这两个模型之外，该对象还包含两个

StandardScaler

s和两个Python列表

使用

joblib

对该对象进行酸洗是没有问题的，但是当我稍后尝试取消对其进行酸洗时，会出现以下异常：

Traceback (most recent call last):
 File "<stdin>", line 1, in <module>
 File "/home/(...)/python3.5/site-packages/joblib/numpy_pickle.py", line 578, in load
   obj = _unpickle(fobj, filename, mmap_mode)
 File "/home/(...)/python3.5/site-packages/joblib/numpy_pickle.py", line 508, in _unpickle
   obj = unpickler.load()
 File "/usr/lib/python3.5/pickle.py", line 1039, in load
   dispatch[key[0]](self)
KeyError: 0

回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
文件“/home/（…）/python3.5/site packages/joblb/numpy_pickle.py”，第578行，已加载
obj=_unpickle（fobj，文件名，mmap_模式）
文件“/home/（…）/python3.5/site packages/jobli/numpy\u pickle.py”，第508行，在_unpickle中
obj=取消勾选器加载（）
文件“/usr/lib/python3.5/pickle.py”，第1039行，已加载
分派[键[0]]（自身）
关键错误：0

---

同一个应用程序同时pickle和unpickle对象，因此

scikit-learn

、

joblib

和其他库的版本是相同的。考虑到模糊的错误，我不确定从哪里开始调试。有什么想法或建议吗？

解决这个问题的方法很老套：在没有意识到的情况下，我在

sklearn.externals.joblib

中使用了

joblib

的版本来进行酸洗，而在

joblib

中使用了较新版本来取消对象的酸洗。当我对这两项任务使用较新版本的

joblib

时，问题得到了解决。

我碰巧使用sklearn.externals import joblib导出了模型，并尝试使用

import joblib
加载。我很感兴趣。我使用的是
git lfs
，因此文件已被更改，而joblib无法打开它们。所以我需要运行
gitlfs pull
来获取实际的文件。因此，如果您使用的是兼容的joblib版本，请确保您的文件不会以某种方式更改
 对我来说，相同版本的joblib用于转储和加载，但我将文件保存在python 3.7.4下，并尝试使用python 3.7.6加载，这引发了相同的keyrerror。
在我的例子中，我尝试加载XGB。我发现它与其他sklearn型号不兼容，因此我采取了以下措施：

从xgboost导入*
导入作业库
def get_模型（模型路径）：
如果模型_路径中的“xgb”：
xgb_model=XGBClassifier（）
xgb_模型。加载_模型（模型路径）
型号=xgb\U型号
其他：
模型=获取对象（模型路径）
回归模型
xbg=get_model（'Models/xgb_v1.pkl'）#一个xgb
tree=model=get_model（'Models/dt_v1.pkl'）#一个决策树
您的电脑上是否安装了最新版本的scikit？能否生成最小的可复制代码？hello@haroba我也面临同样的问题，您能告诉我您必须使用哪个版本吗？我使用的是joblib-0.13.0 versionbanal，但很有用；）