sklearn库中fit_transform()和transform()的区别

最新推荐文章于 2024-09-22 15:13:59 发布

jobs010

最新推荐文章于 2024-09-22 15:13:59 发布

阅读量2.1k

点赞数 2

分类专栏：机器学习文章标签： Python 机器学习人工智能

本文链接：https://blog.csdn.net/jobs010/article/details/79032454

版权

本文探讨了sklearn库中fit_transform()和transform()的区别。fit_transform()适用于训练集，它先拟合数据，然后进行标准化；而transform()仅用于标准化，常用于已经拟合过的测试集。在数据预处理中，fit_transform()计算数据的均值和方差，这些参数在transform()中用于标准化处理。

摘要由CSDN通过智能技术生成

fit_transform()和transform()是sklearn库中常用的数据预处理函数，在《Python机器学习及实践》一书中，涉及到这两个函数的代码如下：

# 从sklearn.preprocessing导入StandardScaler
from sklearn.preprocessing import StandardScaler
# 标准化数据，保证每个维度的特征数据方差为1，均值为0，使得预测结果不会被某些维度过大的特征值而主导
ss = StandardScaler()
# fit_transform()，先拟合数据，再标准化数据 
X_train = ss.fit_transform(X_train)
# transform()，标准化数据 
X_test = ss.transform(X_test)

看到这段代码时我十分疑惑，为什么对训练集和测试集使用不同函数进行数据预处理？fit_transform()和transform()两者存在什么差别？

我们先来看一下官方文档中对这两个函数的说明：

1、fit_transform()