Python 加载的模型接收到的预测与保存的模型不同

我正试图保存一个模型并将其加载到另一个会话中，但我发现预测不一致，我将非常感谢能够提供的任何帮助。这就是我所做的

首先，运行模型后，我使用以下代码保存模型：

from sklearn.externals import joblib
joblib.dump(clf, "models.pkl")

然后，为了将文件加载到不同的协作笔记本中，我使用了函数

from sklearn.externals import joblib
loaded_model = joblib.load('models.pkl')

然后是我用来处理单个图像进行测试的程序

img_toArray = cv2.imread("/content/ESD/ESD/folder1/img1.png")
new_array = cv2.resize(img_toArray, (220, 220))
new_array = np.array(new_array).reshape(1,145200)

但这会导致我测试的每个图像都有一个数组（[4]）的输出，我不知道为什么

我还尝试再次重新加载整个数据集，并将标签与功能（图像）分开，使用train_test_split将90%的数据集用于测试，当我运行要测试的功能（图像）时，通过代码块：

loaded_model.predict(np.array(xTest[whatEverNumber]).reshape(1,145200))

我得到了正确的预测。所以我对自己做错了什么感到困惑，因为在这两个例子中，我用基本相同的方法处理图像，然后分离图像并用相同的预测方法运行它们。因此，如果有人能帮我找出我做错了什么，我将不胜感激

额外的信息可能证明是有益的：我正在使用colaboratory，我的模型是一个sklearn SVM，它通过交叉验证预测、交叉验证预测，最后是SVM拟合函数运行

---

提前谢谢你

加载的模型是否总是使用相同的数据进行训练？您可能会遇到这个问题，因为您的拟合模型使用数据集的不同块（折叠）进行训练，并且您仅在最后一次迭代中拟合/保存数据，因此，每次测试时，模型都会从不同的数据（每个折叠给出）中学习并返回不同的预测。如果模型拟合在交叉验证循环中，则此选项无效。请问，您使用了哪种类型的列车测试拆分？洗牌