Attributeerror:super object has no attribute '__sklearn_tags__'_'

Question

请问各位，我不是IT行业人士，买的模板不知道为啥出现这种情况

Answer 1

🕒上午好，题主！目前：🟢[在线]
📢参考GPT-4o mini 模型、由清水白石008整理提供！
📣今日金句：“成功是由许多小的努力汇聚而成的。”** — 文森特·梵高

您好！您遇到的错误信息 AttributeError: 'super' object has no attribute '__sklearn_tags__' 通常出现在使用 scikit-learn（一个流行的 Python 机器学习库）时，尤其是在自定义估计器（Estimator）的继承和使用过程中。即使您不是 IT 专业人士，我会尽量用简单易懂的语言来解释这个问题及其解决方案。

错误原因

这个错误表明，您的代码在使用 super() 函数调用父类的方法时，父类（或其父类）缺少 __sklearn_tags__ 属性。__sklearn_tags__ 是 scikit-learn 中用于定义估计器行为的特殊属性，它是一个字典，包含一些键值对，用于指定估计器的特性，例如是否是分类器、回归器或转换器。

简单来说，您的自定义类可能继承了一个 scikit-learn 的类，但由于版本不兼容或代码模板问题，导致这个必要的属性缺失。

常见情况与解决方案

1. scikit-learn 版本不兼容：
   不同版本的 scikit-learn 对 __sklearn_tags__ 的处理方式可能不同。如果您使用的模板基于旧版本，而在新版本中运行，就可能出现此错误。

   解决方案：

   • 升级 scikit-learn：尝试将 scikit-learn 升级到最新版本。可以在命令行中执行：

     pip install --upgrade scikit-learn
     

     或者，如果您使用 conda：

     conda update scikit-learn
     

   • 降级 scikit-learn（不推荐）：如果升级后仍有问题，您可以尝试降级到特定版本，但通常不建议这样做，因为新版本通常包含 bug 修复和性能改进。降级命令示例：

     pip install scikit-learn==1.0.0  # 将版本号替换为需要的版本
     

2. 自定义估计器定义错误：
   如果您或模板代码中定义了自定义的 scikit-learn 估计器（通过继承 BaseEstimator、ClassifierMixin、RegressorMixin 等类），则必须正确定义 __sklearn_tags__ 属性。

   解决方案：
   确保您的自定义估计器类中定义了 __sklearn_tags__ 属性。例如：

   from sklearn.base import BaseEstimator, ClassifierMixin
   
   class MyClassifier(BaseEstimator, ClassifierMixin):
       def __init__(self, param1=0, param2=1):
           self.param1 = param1
           self.param2 = param2
   
       def fit(self, X, y):
           # 训练逻辑
           return self
   
       def predict(self, X):
           # 预测逻辑
           return ...
   
       def _more_tags(self):  # 使用 _more_tags 代替 __sklearn_tags__
           return {'X_types': ['2darray']}
   

   在较新的 scikit-learn 版本中，推荐使用 _more_tags 方法来替代直接定义 __sklearn_tags__。这个方法返回一个包含标签的字典，会被合并到默认标签中，更加灵活且不易出错。

3. 模板代码错误：
   可能是您使用的模板代码本身存在问题。

   解决方案：

   • 联系模板作者：如果可能，联系模板的作者或提供者，报告问题并寻求帮助。
   • 检查模板代码：仔细检查与 scikit-learn 相关的部分，特别是自定义估计器的定义，确保符合官方文档的要求。
   • 搜索类似问题：在网上搜索错误信息，看看是否有其他人遇到过相同的问题并找到了解决方案。

针对非 IT 人士的建议

如果您对编程不太熟悉，以上解释可能仍然有些难以理解。最简单的办法是先尝试升级 scikit-learn。如果升级后仍有问题，建议您：

• 寻求专业人士的帮助：找一个熟悉 Python 和 scikit-learn 的程序员或技术人员来帮助您解决问题。
• 提供更多信息：如果您在论坛或社区寻求帮助，请提供尽可能多的信息，例如：
  • 完整的错误信息（包括 traceback）。
  • 您使用的 scikit-learn 版本（可以使用 pip show scikit-learn 命令查看）。
  • 相关的代码片段。
  • 您使用的操作系统和 Python 版本。

总结

希望以上信息能够帮助您理解并解决 AttributeError: 'super' object has no attribute '__sklearn_tags__' 错误。这个问题通常与 scikit-learn 版本不兼容或自定义估计器的定义有关。通过升级库、正确设置自定义类的属性，或检查模板代码，您应该能够找到解决方案。

如果您在尝试这些步骤后仍然遇到问题，请随时寻求专业人士的帮助，或者在相关社区中发布您的问题，提供详细信息以获得更好的支持。祝您顺利解决问题！