使用新的 xgboost 版本“XGBClassifier”对象打开旧的 xgboost 泡菜没有属性“kwargs”答案

【问题标题】：opening old xgboost pickles with the new xgboost version 'XGBClassifier' object has no attribute 'kwargs'使用新的 xgboost 版本“XGBClassifier”对象打开旧的 xgboost 泡菜没有属性“kwargs”
【发布时间】：2019-06-25 13:43:14
【问题描述】：

当我腌制一些泡菜对象时，我使用的是 xgboost 0.6 版。现在我升级到了 0.82 版本，当我试图解开旧模型时，我得到了：

AttributeError: 'XGBClassifier' 对象没有属性 'kwargs'

我真的很想使用这些模型而无需重新训练它们，有什么方法可以打开这些泡菜吗？

【问题讨论】：

标签： pickle xgboost backwards-compatibility

【解决方案1】：

新的 xgboost 要求对象具有“kwargs”属性，而旧模型没有。解决此问题的一种方法是降级到旧的 xgboost 版本，打开它们，将 model.kwargs=None 添加到每个模型，然后再次保存它们，它们现在应该可以工作了...

另一种解决方法是破解 pickle 文件。您将把泡菜作为字符串加载，添加所需的属性，然后加载泡菜：

import re
xg_str = open('path_to_old_model.pkl').read()
kwargs_value= "kwargs'\np8\nNsS'"
new_xgboost = re.sub('colsample_bylevel', kwargs_value+"""colsample_bylevel""", xg_str)
new_model = pkl.loads(new_xgboost)

这会将“None”添加为模型的 self.kwargs。正则表达式通过在模型中搜索已知属性“colsample_bylevel”来查找声明对象属性的位置，然后在其前面添加另一个属性。

要查看 pickle 如何对属性进行编码，您可以创建具有某些属性的任何类并将 pkl.dumps 应用于实例。如果这是一个简短的课程，它会很容易阅读，这就是我得到“kwargs'\np8\nNsS'”意味着“kwargs=None”的原因。

为我工作！我确信这可以帮助解决与泡菜类似的向后兼容性问题，而不是使用此特定属性。

【讨论】：