Scikit-learn 1.0 引入严格接口契约：fit/predict 行为更规范，get_params/set_params 语义统一，移除弃用函数；需检查 FutureWarning、重构 ColumnTransformer/Pipeline 写法、适配 OneHotEncoder/LabelEncoder 输出及验证自定义估计器兼容性。
Scikit-learn 1.0 引入了大量不兼容变更，直接升级后原有代码大概率报错，核心是 estimator 的 fit 和 predict 接口行为更严格、get_params/set_params 语义更统一，且移除了大量弃用函数。
检查是否触发了 FutureWarning 或 DeprecationWarning
这是最直接的信号。运行旧代码时若看到类似 Function 'sklearn.model_selection.train_test_split' is deprecated 或 Parameter 'n_jobs' in 'RandomForestClassifier' will be ignored，说明调用方式已过时。
- 启动 Python 时加
-W default：比如python -W default my_script.py，强制显示所有弃用警告 - 重点盯住
train_test_split、cross_val_score、GridSearchCV中传参方式 —— 1.0 后很多参数（如cv、scoring）不再接受字符串别名以外的类型，scoring='f1'可以，但scoring=f1_score（未包装成 scorer）会报错 - 自定义 transformer 若继承
BaseEstimator但没实现get_params，现在会明确抛TypeError
重构 ColumnTransformer 和 Pipeline 的嵌套写法
1.0 对 ColumnTransformer 的 transformers 参数校验更严，尤其当使用 'passthrough' 或 None 时，列名/索引必须与输入 DataFrame 的列完全对齐，且不能有重叠。
- 旧写法
ColumnTransformer([('num', StandardScaler(), ['a','b']), ('cat', OneHotEncoder(), ['c'])], remainder='passthrough')仍可用，但若remainder='passthrough'涉及未声明列，需确保这些列在 fit 时真实存在，否则报ValueError: Passed columns not found in input DataFrame - 避免用
remainder=None，改用remainder='drop'显式丢弃；None已被移除 -
Pipeline内不能直接塞函数（如lambda x: x**2），必须封装为类并实现fit/transform—— 否则报TypeError: All intermediate steps should be transformers
处理 LabelEncoder 和 OneHotEncoder 的输出一致性
1.0 默认启用 sparse_threshold=0，OneHotEncoder 返回稠密数组而非稀疏矩阵；同时 LabelEncoder 不再支持 fit_transform 多维数组（仅限 1D）。
立即学习“Python免费学习笔记（深入）”；
- 若依赖稀疏输出，显式设
sparse_threshold=1.0（注意不是sparse=True，该参数已废弃） -
LabelEncoder对y必须是 1D：le.fit(y.ravel())而非le.fit(y)（当y是二维时） -
OneHotEncoder的handle_unknown='ignore'现在要求fit时见过所有可能类别，否则transform遇到新值会报错 —— 解决办法是提前用categories='auto'+handle_unknown='infrequent_if_exist'（1.1+）或降级用handle_unknown='ignore'并确保训练集覆盖全量类别
验证 estimator 是否满足新契约（尤其是自定义类）
Scikit-learn 1.0 强制所有 estimator 必须满足「fit-idempotent」和「get_params consistency」，否则 check_estimator 会失败。
- 运行
from sklearn.utils.estimator_checks import check_estimator; check_estimator(MyEstimator)，它会暴露诸如get_params返回值未包含所有 init 参数、set_params后get_params不一致等问题 -
fit方法必须返回self，且不能修改输入X或y的原始数据（深拷贝或只读视图） - 若类中用了
@property暴露属性，get_params必须能正确识别它们（通常需在__init__中赋值，并在get_params中显式返回）
真正卡住人的往往不是大功能变动，而是像 ColumnTransformer 对列名大小写的敏感性提升、cross_val_predict 对 cv 参数必须为整数或可迭代对象（不再接受 None）、甚至 numpy 版本不匹配导致 np.bool_ 类型被拒绝这类细节 —— 建议升级前先锁死 numpy>=1.21.0,，再逐模块跑测试。
