_pickle.UnpicklingError: NEWOBJ 类参数不是类型对象答案

【问题标题】：_pickle.UnpicklingError: NEWOBJ class argument isn't a type object_pickle.UnpicklingError: NEWOBJ 类参数不是类型对象
【发布时间】：2022-05-12 20:25:23
【问题描述】：

我在 cmd 上运行了这段代码，我遇到了这个错误。 _pickle.UnpicklingError: NEWOBJ class argument isn't a type object

我的 app.py 是这样的：

# -*- coding: utf-8 -*-
"""
Created on Wed Apr 21 19:18:42 2021

@author: Agni Sain
"""
from flask import Flask,request,render_template
import pandas as pd
import numpy as np
import pickle

app=Flask(__name__)
with open('xgb.pkl','rb') as f:
    xgb=pickle.load(f)

@app.route('/')    
def home():
    return render_template("index.html")   

    
@app.route('/predict',methods=["POST"])
def predict_heart_disease():
    
    age=request.form['age']
    sex=request.form['sex']
    cp = request.form['cp']
    trestbps = request.form['trestbps']
    chol = request.form['chol']
    fbs = request.form['fbs']
    restecg = request.form['restecg']
    thalach = request.form['thalach']
    exang = request.form['exang']
    oldpeak = request.form['oldpeak']
    slope = request.form['slope']
    ca = request.form['ca']
    thal = request.form['thal']
    
    pvalues=[[age,sex,cp,trestbps,chol,fbs,restecg,thalach,exang,oldpeak,slope,ca,thal]]
    pvalues=np.array(pvalues).reshape((1,-1))
    pred=xgb.predict(pvalues)
    predf=float(pred)
    return render_template('result.html', data=predf)

@app.route('/predict_file',methods=["POST"])    
def predict_heart_disease_file():
    df_test=pd.read_csv(request.files.get("file"))
    
    prediction=xgb.predict(df_test)
    return str((list(prediction)))
    
if (__name__=='__main__'):
    app.run()

我确实在UnpicklingError: NEWOBJ class argument isn't a type object 上读到过这个错误，但没有从中找到任何帮助。谁能简单地说一下为什么会出现这个错误以及如何解决它？

【问题讨论】：

嘿！感谢您的支持，但我不得不用其他模型更改 pkl 文件。我的项目迟到了，可能会对截止日期造成更多伤害。抱歉回复晚了。
是的，我确实检查了您的答案。造成的问题主要是xgboost的版本造成的。
我必须切换到梯度提升分类器，它工作正常。

标签： python pickle xgboost

【解决方案1】：

原因，正如thread 中所讨论的，由于XGBClassifier 直接与scikit-learn API 交互，因此也需要将其安装在远程服务器上。如果您使用 xgboost.booster 类（原生 xgboost 模型，而不是 scikit-learn 类型模型），它会正常工作。
此外，按照model I/O page 进行保存和加载应该不会出错。
另一个“答案”不正确，错误并非源于数据框为空/无。

【讨论】：

【解决方案2】：

需要添加if语句

df_test=pd.read_csv(request.files.get("file"))
if not df_test.empty:
   prediction=xgb.predict(df_test)
   return str((list(prediction)))
else:
   return None

【讨论】：

【解决方案3】：

确保在酸洗之前和取消酸洗时创建 XGBClassifier 时使用相同的 scikit-learn 版本

【讨论】：