如何在不同文件中保存和加载Sklearn模型

Question

是否有可能在另一个列表中的其他文件中训练模型，并在另一个列表中使用预测的方法？由于未定义矢量化器，因此无法使用。我不想每次运行程序时都重新训练数据。是否可以保存模型并仅将模型加载到另一个文件中，并使用另一个列表来预测数据？

document = df.stack().tolist()

vectorizer = TfidfVectorizer(stop_words='english')
X = vectorizer.fit_transform(document)

true_k = 20
model = KMeans(n_clusters=true_k, init='k-means++', max_iter=100, n_init=1)
model.fit(X)

joblib.dump(model, 'model.joblib') 

model = joblib.load('model.joblib')

documentnew = df.stack().tolist()


print("\n")
print("Prediction")

X = vectorizer.transform([documentnew[2]])
predicted = model.predict(X)

当我加载模型并转换新文档时，会出现此错误。

ValueError: Incorrect number of features. Got 7 features, expected 39

如果上面的方法在同一个文件中，则可以使用，但是我不希望每次运行程序时都对模型进行更改和训练。