使用已保存的xgboost Sklearn XGBC分类器模型状态来预测新数据

Question

目前，我已经完成了xgboost XGBC分类器模型的精确训练。

我已经通过加载状态为新的python文件存储了模型状态（模型的实例）以进行新的预测。

我无法从加载的模型状态加载labelencoder来编码新数据。

如果我使用新的LabelEncoder（），那么我的所有数据都被编码为0，所以我想利用经过训练的数据labelEncoder值。

我如何实现它？

我的源代码是：

from flask import Flask, request
from sklearn.externals import joblib
app=Flask(__name__)
import pandas as pd
@app.route('/', methods=['POST'])
def hello():
    model=joblib.load("Saved_Model.sav")

    print(model)
    //model is loaded successfully
    data=pd.read_json(request.data)
    print(data)
    col=data.columns
    //data also came perfectly
    encoder=model.__le__
    for i in range(0,len(TrainCols)):
       data[col[i]]=encoder.fit_transform(data[col[i]])
    prediction=model.predict(data.values)

请帮我解决我的问题，以及如何从模型状态获取参数列表？