使用joblib.load从磁盘读取xgboost模型时出现类型错误

Question

我只是试图通过joblib（os.path.exists(self._classifier_xgboost_path)按预期返回True）来读取XGBoost模型：

self._xgboost_model = joblib.load(self._classifier_xgboost_path)

但是，我得到以下错误：

  File "/home/iai/Desktop/barak_8/main.py", line 150, in <module>
    main()
  File "/home/iai/Desktop/barak_8/main.py", line 32, in main
    classifier = Classifier(config=config)
  File "/home/iai/Desktop/barak_8/classifiers.py", line 56, in __init__
    if os.path.exists(self._classifier_xgboost_path) \
  File "/home/iai/Desktop/barak_8/venv/lib/python3.6/site-packages/joblib/numpy_pickle.py", line 585, in load
    obj = _unpickle(fobj, filename, mmap_mode)
  File "/home/iai/Desktop/barak_8/venv/lib/python3.6/site-packages/joblib/numpy_pickle.py", line 504, in _unpickle
    obj = unpickler.load()
  File "/usr/lib/python3.6/pickle.py", line 1050, in load
    dispatch[key[0]](self)
  File "/usr/lib/python3.6/pickle.py", line 1323, in load_newobj
    obj = cls.__new__(cls, *args)
TypeError: NoneType.__new__(X): X is not a type object (NoneType)

版本：

Python 3.6
xgboost 1.3.1
joblib 1.0.0

Answer 1

这很可能是由于缺少xgboost模型的某些依赖导入造成的。 今天早些时候我遇到了这个问题，在我的例子中，它是由环境中缺少导入引起的。 我的环境中缺少了scikit-learn

Answer 2

事实上，我最近也遇到了同样的问题，我认为其他人提及对我有效的解决方案可能会有所帮助

简单地说，问题在于执行joblib.dump的代码中的scikit-learn版本高于执行joblib.load的代码中使用的版本

事实上： joblib.dump是用scikit-learn=0.24.1生成的 在另一个存储库中加载joblib.load，该存储库的scikit learn=0.18.2

因此，您所需要做的就是使用相同版本的scikit learn（或子句版本，例如me，我只是将0.18.2升级到了0.21.3，它也可以工作）