我使用Scikit-learn构建了一个最近邻模型。在模型拟合后立即使用kneighbors方法获取聚类时，聚类看起来是正常的。

    model = NearestNeighbors(n_jobs=-1, n_neighbors=5).fit(np.array(df))    distance, indices = model.kneighbors(np.array(df))  ## 如预期的一样，其中一个距离总是0，聚类结果是可以接受的。

但是，当我保存模型然后重新读取用于训练的数据时，输出结果就不再可接受了。

     model = pickle.load(f)     distance, indices = model.kneighbors(np.array(df))  ## 相同的数据集，平均/糟糕的结果。没有距离是0。

而且，最大的问题是，索引和距离会根据df的大小而变化。

      model = pickle.load(f)      df_1 = df[df["id"] == "1"] # 尝试只针对一个用户      distance, indices = model.kneighbors(np.array(df_1))  ## 一行数据，每个用户的输出相同。      df_2 = df[df["id"] == "2"]      distance, indices = model.kneighbors(np.array(df_2)) ## 相同输出      df = df[df["id"] == "2" | df["id"] == "1"]      distance, indices = model.kneighbors(np.array(df)) ## 对于两者不同的输出

训练/测试数据集看起来像这样

feature1 | feature2 | feature3   0          1          1   1          1          1   0          0          0

如果我们训练并保存模型后无法在不同的数据集上使用，那为什么还要训练和保存模型呢？这是模型的预期行为还是我遗漏了什么？

回答：

好吧，这是我犯的一个可怕的错误，我想分享这个问题和解决方案。非常简单，但可能很难发现。

我阅读了文档无数次，然后注意到他们使用的是np.array而不是DataFrame。好吧，我在预测时使用了DataFrame，并且列是随机排列的。所以，它无法正确工作。

如果你有类似的问题，请注意numpy的索引！