要保存一个 scikit-learn 的 Bunch 对象，可以使用 joblib 库中的 dump 函数。下面是一个保存 Bunch 对象的代码示例：

from sklearn.datasets import load_iris
from sklearn.externals import joblib

# 加载数据集
iris = load_iris()

# 创建 Bunch 对象
data = {
    'data': iris.data,
    'target': iris.target,
    'feature_names': iris.feature_names,
    'target_names': iris.target_names
}

# 保存 Bunch 对象
joblib.dump(data, 'iris_data.joblib')

在上面的示例中，我们首先使用 load_iris 函数加载了一个数据集，并使用这些数据创建了一个 Bunch 对象 data。然后，我们使用 joblib.dump 函数将 Bunch 对象保存为文件 iris_data.joblib。

要加载和恢复保存的 Bunch 对象，可以使用 joblib 库中的 load 函数。下面是一个加载 Bunch 对象的代码示例：

from sklearn.externals import joblib

# 加载 Bunch 对象
data = joblib.load('iris_data.joblib')

# 使用加载的 Bunch 对象
X = data['data']
y = data['target']
feature_names = data['feature_names']
target_names = data['target_names']

# 打印加载的数据集
print(X)
print(y)
print(feature_names)
print(target_names)

在上面的示例中，我们使用 joblib.load 函数加载了之前保存的 Bunch 对象，并将其存储在变量 data 中。然后，我们可以使用加载的 Bunch 对象来访问数据集的不同属性，如数据、目标、特征名称和目标名称。