是。无论
sklearn.cluster.KMeans对象是否被腌制（ 如果正确地对其进行腌制，您将要处理“相同”原始对象
）都不会影响您可以使用该
predict方法对新观察结果进行聚类。
一个例子：
from sklearn.cluster import KMeansfrom sklearn.externals import joblibmodel = KMeans(n_clusters = 2, random_state = 100)X = [[0,0,1,0], [1,0,0,1], [0,0,0,1],[1,1,1,0],[0,0,0,0]]model.fit(X)
出：
KMeans(copy_x=True, init='k-means++', max_iter=300, n_clusters=2, n_init=10, n_jobs=1, precompute_distances='auto', random_state=100, tol=0.0001, verbose=0)
继续：
joblib.dump(model, 'model.pkl') model_loaded = joblib.load('model.pkl')model_loaded出：
KMeans(copy_x=True, init='k-means++', max_iter=300, n_clusters=2, n_init=10, n_jobs=1, precompute_distances='auto', random_state=100, tol=0.0001, verbose=0)
如何看
n_clusters和
random_state参数之间的相同
model和
model_new对象？你很好
使用“新”模型进行预测：
model_loaded.predict([0,0,0,0])Out[64]: array([0])
