Skip to main content

Scikit-Learn — compatibilidad de modelos (pickle/joblib)

Problema​

Modelos serializados con pickle/joblib pueden no cargar o avisar de riesgos cuando la versión de scikit-learn difiere entre quien guardó y quien lee. Esto afecta reproducibilidad, despliegue y CI/CD.

Opciones (de menor a mayor fricción)​

  1. Cargar e ignorar la advertencia si el modelo funciona y pasa tests de sanidad. Riesgo: cambios sutiles entre versiones.
  2. Entorno “pinneado”: downgrade temporal a la versión original → cargar → usar.
  3. Re-serializar en el entorno original y documentar dependencias.
  4. Migrar a un formato más estable (p.ej., ONNX) cuando el tipo de modelo lo permita.
  5. Re-entrenar en el entorno objetivo y volver a guardar (ideal si tenés datos/código).

Regla práctica: si no vas a re-entrenar, priorizá entorno pinneado + re-serialización y dejá huella de versiones.

Procedimiento recomendado (paso a paso)​

  1. Identificá la versión fuente
  • Si tenés metadata, usala; si no, probá versiones candidatas.
  1. Replicá el entorno & carga
python -m venv .venv-model && source .venv-model/bin/activate
pip install "scikit-learn==<VERSION_ORIGEN>"
# opcional: joblib, numpy, scipy en versiones compatibles
  1. Valida y re-serializa
import joblib, platform, sklearn, sys
mdl = joblib.load("modelo.pkl")         # o pickle.load(...)
joblib.dump(mdl, "modelo_repacked.joblib")

meta = {
  "sklearn": sklearn.__version__,
  "python": sys.version.split()[0],
  "platform": platform.platform()
}
print(meta)  # guarda esto junto al artefacto
  1. Opcional: exportar a ONNX (si aplica)
# ejemplo genérico; requiere skl2onnx e inferir tipos de entrada
from skl2onnx import to_onnx
onx = to_onnx(mdl, initial_types=[('X', FloatTensorType([None, n_features]))])
with open("modelo.onnx", "wb") as f: f.write(onx.SerializeToString())

No todos los estimadores están soportados; verificá compatibilidad.

  1. Documentá el entorno Guarda requirements.txt, versión de sklearn, hash de datos/commit, métricas y un model_card.md simple.
pip freeze > requirements.txt

Snippets útiles​

  • Downgrade puntual:
pip install "scikit-learn==1.0.2"
  • Wrapper de carga con guardas:
import warnings, joblib
with warnings.catch_warnings():
    warnings.simplefilter("always")  # o "ignore" bajo control de QA
    mdl = joblib.load("modelo.joblib")

Checklist de QA (mínimo)​

  • predict/score reproducen métricas de referencia (± tolerancia).
  • No hay feature drift: columnas, orden, dtype coinciden con lo esperado.
  • Artefactos guardados con: modelo, requirements.txt, metadata.json (versiones, hash, fecha), y model_card.md.

Nota de operación​

Para evitar esta clase de incidentes:

  • Pin de versiones (fijar sklearn y dependencias) en entrenamiento e inferencia.
  • Serializar con joblib y guardar metadata junto al artefacto.
  • Considerar ONNX o pipelines de retraining automatizados cuando el cambio de versión sea inevitable.