本来是没有打算写这个的,但是看到有好几篇其他博客疯狂说fit和transform没有任何关系,我想了想,还是写下这篇博客,防止其他人入坑吧。以下是引发我写此文的原因。
好了,先简单说下这三者的作用吧。
我就用sklearn中的StandardScaler这个标准化类来说明吧。
fit:计算均值和标准差,用于以后的缩放。
transform:通过居中或者缩放操作执行标准化。
fit_transform:拟合数据(这个过程中会计算数据的均值和方差),并对数据进行转换(标准化啥的)。
fit_transform: 说白了就是fit 和 transform的组合形式,也就是说原来可能需要两步 fit和transform才能得到的结果,现在只需要fit_transform一步就能得到了。
说完了这三者的各自作用,再来说一下三者的关系吧。简单来说,fit是父类,transform是子类,它继承了父类fit 拟合数据data而得到的均值,标准差这两个属性,然后用这两个属性来进行标准化操作。
下面举一个例子。
可以看出二者殊途共归,所以你现在应该也明白了,为啥在训练集上需要用fit_transform,而在测试集上只需要用transform了吧。例子中的实例对象‘sb’已经存储了拟合训练集而得到的均值和标准差,然后只需要用这个’sb’去处理测试集就行了。
尝试再实例化一个StandardScaler,直接去transform你的数据,再查看一下报错信息,你就应该能完全明白了。
一文搞懂fit,transform,fit_transform间的关系
最新推荐文章于 2024-02-20 22:19:41 发布