sklearn中, fit，fit_transform,transform

最新推荐文章于 2023-03-14 17:39:57 发布

Adupanfei

最新推荐文章于 2023-03-14 17:39:57 发布

阅读量540

点赞数

分类专栏：机器学习

本文链接：https://blog.csdn.net/Adupanfei/article/details/83690296

版权

scikit-learn中的fit, fit_transform和transform用于数据转换。fit方法学习模型参数，如归一化时的均值和标准差；fit_transform结合了fit和transform，用于训练数据；transform仅使用已学习的参数处理测试数据，进行归一化。无监督学习算法如StandardScaler使用fit_transform(x)是因为它们不需要目标变量。fit_transform和transform的结果相同，提供便利的代码调用。" 120677170,6751122,浏览器限制与a:visited颜色样式问题及缓存清除,"['HTML', 'CSS']

摘要由CSDN通过智能技术生成

scikit-learn提供了一系列转换库，他们可以清洗，降维，提取特征等。

在数据转换中有三个很重要的方法，fit，fit_transform,transform

ss=StandardScaler()
X_train = ss.fit_transform(X_train)
X_test = ss.transform(X_test)
初学时候好奇为何，训练样本用fit_transform，而测试样本用transform？

仔细阅读官方文档发现，fit方法是用于从一个训练集中学习模型参数，其中就包括了归一化时用到的均值，标准偏差。transform方法就是用于将模型用于位置数据，fit_transform就很高效的将模型训练和转化合并到一起，训练样本先做fit，得到mean，standard deviation，然后将这些参数用于transform（归一化训练数据），使得到的训练数据是归一化的，而测试数据只需要在原先得到的mean，std上来做归一化就行了，所以用transform就行了。

StandardScaler对矩阵作归一化处理，变换后的矩阵各特征均值为0，方差为1

网上抄来抄去都是一个意思，

fit_transform是fit和transform的组合。

我们知道fit（x，y）在新手入门的例子中比较多，但是这里的fit_transform(x)的括号中只有一个参数，这是为什么呢？

fit(x,y)传两个参数的是有监督学习的算法，fit(x)传一个参数的是无监督学习的算法，比如降维、特征提取、标准化