使用load_model()函数从Python中加载保存的聚类模型

在Python中使用load_model()函数可以加载已保存的聚类模型。load_model()函数属于joblib库，用于加载已经使用dump_model()函数保存的模型。

下面是一个使用load_model()函数加载保存的聚类模型的例子：

from sklearn.cluster import KMeans
from joblib import dump, load

# 创建并训练一个KMeans聚类模型
kmeans = KMeans(n_clusters=3)
data = [[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]]
kmeans.fit(data)

# 保存模型到文件
dump(kmeans, 'kmeans_model.joblib')

# 加载保存的模型
loaded_model = load('kmeans_model.joblib')

# 使用加载的模型进行预测
new_data = [[0, 0], [3, 3], [5, 5]]
predicted_labels = loaded_model.predict(new_data)

print(predicted_labels)

在这个例子中，我们首先使用KMeans类创建了一个聚类模型，并使用一些简单的数据进行训练。接着，我们使用dump()函数将该模型保存到名为kmeans_model.joblib的文件中。

然后，我们使用load()函数加载保存的模型到loaded_model变量中。最后，我们使用加载的模型对新数据进行预测，并打印预测结果。

需要注意的是，dump()函数和load()函数都属于joblib库，因此需要提前安装该库，可以使用以下命令进行安装：

pip install joblib

这是一个简单的例子，展示了如何使用load_model()函数从Python中加载保存的聚类模型。实际应用中，可以根据具体的需求来加载不同类型的模型，并使用它们进行各种任务，如预测、分类等。