LightGBM-在joblib.load()之后出现估计器未拟合错误

Question

I拟合LGBMRegressor((模型，甚至预测一些值。我决定保存它(当然是在合适之后(以便以后使用，但当我尝试加载模型时，我得到了这个异常：

Estimator not fitted, call fit before exploiting the model.

我尝试用3种不同的方式保存：

• dump(model, 'model.txt')
• dump(model, 'model.pkl')
• dump(model, 'model.joblib')

然后我关闭IDE并尝试像这样加载：

• model = joblib.load('model.allExtensionsMentionedBefore')

当我print(model)时，我可以看到整个模型以及它的超参数：

LGBMRegressor(colsample_bytree=0.9596645565436184,
learning_rate=0.025825537313443326, min_child_samples=72,
num_leaves=32, random_state=0, silent=True,
subsample=0.9311181768429686, subsample_freq=1)

然而，当我尝试model.predict(X)时，我会得到一个例外，说它不合适。

我做错了什么？

附言：我能够使用sklearn MLPRegressor()来完成这个精确的过程(保存和加载(，它运行得很好。

Answer 1

lightgbm支持使用joblib保存和加载模型。

这里有一个最小的、可重复的例子来演示如何做到这一点。我使用Python 3.3.8、lightgbm==3.3.1、joblib==1.0.1、numpy==1.21.0和scikit-learn==0.24.1测试了这段代码。

在新的Python会话中：

import joblib
import lightgbm as lgb
from sklearn.datasets import make_regression
X, y = make_regression(n_samples=10_000, n_features=10)
reg = lgb.LGBMRegressor(
n_estimators=10,
verbose=-1,
)
reg.fit(X, y)
joblib.dump(reg, 'lgb.pkl')

然后，在从同一工作目录运行的单独Python会话中：

import joblib
from sklearn.datasets import make_regression
X, y = make_regression(n_samples=1_000, n_features=10)
reg = joblib.load('lgb.pkl')
preds = reg.predict(X)

我使用lightgbm==3.0.0(从2020年8月开始(尝试了同样的代码，效果也很好。

Answer 2

我也遇到了类似的问题。在我的案例中，问题源于我将模型保存在一个conda环境中，但在另一个环境中加载。lightgbm中的版本差异导致了问题。如果您使用的是环境，请确保从同一环境中保存和加载模型。