如何兼容不同版本的 scikit-learn（sklearn）库，统一获取“均方根误差（RMSE）”的计算函数

文章目录

[1. 代码解析](#1. 代码解析)
- 关键细节解释
[2. 版本兼容背景](#2. 版本兼容背景)

1. 代码解析

下面这段代码通过 try-except 异常捕获机制，适配 sklearn 新旧版本中 RMSE 函数的不同写法：

新版 sklearn 直接提供 root_mean_squared_error 函数（专门计算 RMSE）；
旧版 sklearn 只有 mean_squared_error 函数（默认计算 MSE），需通过 squared=False 参数转为 RMSE；

最终无论 sklearn 版本是新是旧，代码中 mean_squared_error 变量都指向计算 RMSE 的函数。

python 复制代码

from functools import partial  # 必须导入，否则会报NameError

try:
    # 尝试从sklearn.metrics导入新版的RMSE函数，并将其重命名为mean_squared_error
    from sklearn.metrics import root_mean_squared_error as mean_squared_error
except ImportError:
    # 如果导入失败（说明是旧版sklearn），执行以下逻辑
    # 1. 导入旧版的MSE函数
    from sklearn.metrics import mean_squared_error
    # 2. 使用partial固定参数squared=False，将MSE函数转为RMSE函数
    mean_squared_error = partial(mean_squared_error, squared=False)

关键细节解释

root_mean_squared_error ：sklearn 1.0 及以上版本新增的函数，直接返回均方根误差（RMSE），公式为：
R M S E = 1 n ∑ i = 1 n ( y i − y ^ i ) 2 RMSE = \sqrt{\frac{1}{n}\sum_{i=1}^n (y_i - \hat{y}_i)^2} RMSE=n1i=1∑n(yi−y^i)2
mean_squared_error（旧版） ：sklearn 1.0 之前的版本只有这个函数，默认 squared=True，返回均方误差（MSE）；当 squared=False 时，返回 RMSE。
partial ：Python functools 模块中的函数（代码中省略了 from functools import partial，需确保已导入），作用是"固定函数的部分参数"，这里把 mean_squared_error 的 squared 参数固定为 False，相当于创建了一个"默认计算 RMSE 的新函数"，并重新赋值给 mean_squared_error 变量。

2. 版本兼容背景

sklearn 版本	计算 RMSE 的方式
≥1.0	`root_mean_squared_error(y_true, y_pred)`
<1.0	`mean_squared_error(y_true, y_pred, squared=False)`

如果直接写死其中一种方式，会导致：

用新版 sklearn 运行旧版写法：虽然能运行（sklearn 1.0+ 仍兼容 squared=False），但不够优雅；
用旧版 sklearn 运行新版写法：会报 ImportError（找不到 root_mean_squared_error），代码直接崩溃。