这个问题的解决方案相当平庸：我在sklearn.externals.joblib中使用joblib的版本进行pickle操作，但没有意识到这一点，而是使用了新版本的joblib来取消pickle对象。当我使用新版本的joblib执行这两项任务时，问题得到了解决。

在我身上，发生了我使用from sklearn.externals import joblib导出模型并尝试使用import joblib加载的情况。

我的版本很有趣。我使用的是git-lfs，因此文件被更改，joblib无法打开它们。所以我需要运行git lfs pull来获得实际的文件。所以如果您使用的是兼容的joblib版本，请确保您的文件没有被更改！

对我来说，相同版本的joblib被用于转储和加载，但我在python 3.7.4下保存文件，并试图用python 3.7.6加载，这引发了相同的KeyError。

在我的例子中，我试图加载一个XGB。我发现XGB与其他sklearn模型不兼容，所以我做了以下操作：

from xgboost import *
import joblib

def get_model(model_path):
    if 'xgb' in model_path:
        xgb_model = XGBClassifier()
        xgb_model.load_model(model_path)
        model = xgb_model
    else: 
        model = get_obj(model_path)
    return model 

xbg = get_model('Models/xgb_v1.pkl') # an xgb

tree = model = get_model('Models/dt_v1.pkl') # a decition tree

我试图加载多年的joblib文件，这给出了多个级别的错误，这取决于我用来绕过它们的黑客。
随着joblib版本的不断增加，黑客不再工作，我不得不创建一个专门针对sklearn-0.23的conda环境：
conda create -n outdated "scikit-learn<0.23"
之后，我可以打开文件并以不同的方式保存它们，这有时意味着用非sklearn joblib文件import joblib重新保存数据;有时这意味着使用pickle;有时这意味着使用pandas.to_csv。
该解决方案特定于为后代重新保存的数据文件。