AttributeError: 'super' object has no attribute '__sklearn_tags__'

### 解决 `AttributeError` 错误

当遇到 `AttributeError: 'super' 对象没有属性 '__sklearn_tags__'` 这样的错误时，这通常意味着在某个类中尝试通过 `super()` 访问一个名为 `__sklearn_tags__` 的属性或方法失败了。这种问题可能源于不正确地使用超类初始化或是试图访问未定义的方法/属性。

对于特定于 scikit-learn 库的情况，如果自定义估计器(estimator) 或者转换器(transformer)，应该确保遵循 sklearn 接口约定并适当地实现必要的抽象基类(ABCs)[^1]。具体来说：

- 如果是从 `BaseEstimator` 继承，则需注意该类本身并没有提供 `__sklearn_tags__` 方法；相反，它依赖于 `_more_tags` 和其他内部机制来处理标签(tagging)。

为了修复此错误，可以采取以下措施之一：

#### 方案一：检查是否正确实现了接口
确认所创建的类确实继承自合适的 ABC 并且实现了所有必需的方法。例如，如果你正在构建一个新的分类器(classifier), 那么应当从 `ClassifierMixin`, `BaseEstimator` 中派生，并覆盖 fit, predict 等基本操作。

from sklearn.base import BaseEstimator, ClassifierMixin

class MyCustomClassifier(BaseEstimator, ClassifierMixin):
    def __init__(self):
        pass
    
    def fit(self, X, y=None):
        # 实现fit逻辑...
        return self
        
    def predict(self, X):
        # 实现predict逻辑...
        pass

#### 方案二：避免不必要的 super 调用
如果不是绝对必要的话，不要随意调用父类中的私有成员（即带有双下划线前缀的名字）。这些名称可能会被解释器修改以防止命名冲突 (name mangling)，从而使得直接引用变得困难甚至不可能。

另外值得注意的是，在大多数情况下并不需要显式地调用 `super().__getattr__('some_method')`; 只要按照标准 API 使用公共接口即可正常工作。