问题是你在一台机器上训练定标器，它的sklearn版本比你用来加载定标器的机器要旧。
注意UserWarning
UserWarning: Trying to unpickle estimator MinMaxScaler from version 0.23.2 when using version 0.24.0. This might lead to breaking code or invalid results. Use at your own risk. UserWarning)
解决方案是修复版本不匹配。通过将一个sklearn升级到0.24.0或降级到0.23.2

新属性clip在较新版本中添加到MinMaxScaler（自0.24起）。

# loading and transforming
import joblib
from sklearn.preprocessing import MinMaxScaler

scaler = joblib.load('scaler')
assert isinstance(scaler, MinMaxScaler)
scaler.clip = False  # add this line
data = scaler.transform(data)  # throws exceptio

说明：

因为clip是在__init__方法中定义的，所以它是MinMaxScaler.__dict__的一部分。当您尝试从pickle创建对象时，__setattr__方法用于设置所有属性，但旧版本中没有使用clip，因此在新的MinMaxScale示例中丢失。只需添加：

scaler.clip = False

应该能正常工作

我在conda或cmd中使用pip install scikit-learn==0.23.2解决了这个问题。本质上，降级scikit模块起到了帮助作用。

sklearn版本问题

您需要在windows中安装
pip install scikit-learn==0.24.0
我使用此命令解决问题

一种对我有效的方法是对MinMaxScaler.__setstate__进行monkey-patch，如果不存在此属性，则手动将其设置为false，代码片段如下：

from typing import Any, Dict

from sklearn.preprocessing import MinMaxScaler

original_minmax_setstate = MinMaxScaler.__setstate__

def __monkey_patch_minmax_setstate__(self, state: Dict[str, Any]) -> None:
    state.setdefault("clip", False)
    original_minmax_setstate(self, state)

MinMaxScaler.__setstate__ = __monkey_patch_minmax_setstate__

# Deserialize the scaler here

通过在反序列化（unpickle）上面添加这个，我设法在一个较新的scikit-learn版本中反序列化我的对象，然后用clip更改重新序列化它，之后不再需要monkey-patch。