'super' object has no attribute '__sklearn_tags__' 错误解决方案

问题描述

当使用 Scikit-learn 的 RandomizedSearchCV 调试 XGBoost 模型（特别是 XGBRegressor）时，您可能会遇到以下错误：

AttributeError: 'super' object has no attribute '__sklearn_tags__'

该错误通常在调用 fit() 方法时发生，尤其在以下环境组合中：

• Python 3.12
• XGBoost 最新版本
• Scikit-learn（sklearn）1.6.0 及以上版本

此问题的核心是 Scikit-learn 与其他机器学习库（如 XGBoost）之间的版本兼容性问题，通常在新版本软件发布初期出现。

问题原因

此错误源于 Scikit-learn 1.6.0 的 API 变更：

1. Scikit-learn 引入了 __sklearn_tags__ 属性用于框架内部元数据管理
2. XGBoost 2.1.4 之前的版本未适配此变更
3. 在 sklearn ≥1.6.0 且 xgboost <2.1.4 的组合下会触发此兼容性错误

解决方案

✅ 推荐方案：升级 XGBoost（优先建议）

最彻底的解决方案是更新 XGBoost 至 2.1.4 及以上版本：

pip install xgboost>=2.1.4 --upgrade

此版本通过 PR11021 专门修复了与 sklearn 1.6+ 的兼容性问题，无需降级 sklearn，可持续使用最新特性。

⚠️ 替代方案：降级 Scikit-learn

如果暂时无法升级 XGBoost，可降级 sklearn 至兼容版本：

pip uninstall scikit-learn -y
pip install scikit-learn==1.5.2  # 或 scikit-learn==1.3.1

版本参考：

• Scikit-learn 1.5.2：社区验证有效的兼容版本
• Scikit-learn 1.3.1：备选兼容版本

ℹ️ 注意事项

1. 警告处理：若使用 sklearn 1.6.1 及以上 + xgboost≥2.1.4
   • 可能遇到 DeprecationWarning 而非错误
   • 此为正常过渡状态，可通过代码忽略：

     import warnings
     warnings.filterwarnings("ignore", category=DeprecationWarning)

2. 未来版本：
   • Scikit-learn 1.7+ 将重新将此问题转为错误
   • 强烈建议尽快使用 xgboost≥2.1.4 的推荐方案

验证方案

安装后运行以下代码检查版本兼容性：

import xgboost
from sklearn import __version__ as sklearn_version

print(f"XGBoost version: {xgboost.__version__}")
print(f"Scikit-learn version: {sklearn_version}")

# 验证兼容性组合
if xgboost.__version__ >= "2.1.4" or sklearn_version < "1.6.0":
    print("✅ 兼容版本组合")
else:
    print("⛔ 存在兼容风险！请参考上述解决方案")

资源参考

1. XGBoost 2.1.4 版本说明
2. Scikit-learn 1.6.0 变更日志
3. GitHub 原始问题讨论

关键提示：机器学习库快速迭代中频繁出现类似兼容性问题。建立版本管理策略（如 requirements.txt 或虚拟环境）可避免此类问题。