如何保存KMeans模型以实现新数据的聚类归属判定？

当然可以实现，你可以通过模型序列化的方式保存训练好的KMeans模型，之后直接加载模型对新数据做聚类预测，无需重复训练。常用的工具是pickle或joblib（后者对包含大量numpy数组的scikit-learn模型更高效）。

步骤1：训练并保存模型 #

在你的现有训练代码后添加保存逻辑：

import joblib  # 也可以用 pickle

n_clusters = 15
kmeans = KMeans(n_clusters = n_clusters, init = 'k-means++', max_iter = 3000, n_init = 100, random_state = 0)
y_kmeans = kmeans.fit_predict(data)

data_df['k-means'] = y_kmeans

# 将模型保存到本地文件
joblib.dump(kmeans, 'kmeans_cluster_model.pkl')
# 如果用pickle实现：
# with open('kmeans_cluster_model.pkl', 'wb') as f:
#     pickle.dump(kmeans, f)

步骤2：加载模型并预测新数据 #

当有新数据需要聚类时，直接加载保存好的模型，调用predict方法即可：

import joblib  # 对应保存时使用的工具

# 加载本地保存的模型
loaded_kmeans = joblib.load('kmeans_cluster_model.pkl')
# 如果用pickle加载：
# with open('kmeans_cluster_model.pkl', 'rb') as f:
#     loaded_kmeans = pickle.load(f)

# 假设new_data是你的新输入数据，特征维度必须和训练时的data完全一致
new_data_clusters = loaded_kmeans.predict(new_data)

关键注意事项 #

• 新数据的特征数量、预处理逻辑必须和训练数据完全一致（比如训练前做了标准化/归一化，新数据也要用相同的均值、标准差做转换），否则预测结果会失效。
• 后续需要重新分析数据变化时，只需重新训练模型并覆盖保存的kmeans_cluster_model.pkl文件即可。
• 如果要可视化新数据的聚类结果，直接复用你现有的可视化代码，把data和y_kmeans替换成新数据和预测出的new_data_clusters即可。

内容的提问来源于stack exchange，提问作者Lleims