sklearn数据预处理中fit(),transform()与fit_transform()的区别

1 概述

注意这是数据预处理中的方法：

• Fit(): Method calculates the parameters μ and σ and saves them as internal objects.

解释：简单来说，就是求得训练集X的均值啊，方差啊，最大值啊，最小值啊这些训练集X固有的属性。可以理解为一个训练过程

• Transform(): Method using these calculated parameters apply the transformation to a particular dataset.

解释：在Fit的基础上，进行标准化，降维，归一化等操作（看具体用的是哪个工具，如PCA，StandardScaler等）。

• Fit_transform(): joins the fit() and transform() method for transformation of dataset.

解释：fit_transform是fit和transform的组合，既包括了训练又包含了转换。

transform()和fit_transform()二者的功能都是对数据进行某种统一处理（比如标准化~N(0,1)，将数据缩放(映射)到某个固定区间，归一化，正则化等）

fit_transform(trainData)对部分数据先拟合fit，找到该part的整体指标，如均值、方差、最大值最小值等等（根据具体转换的目的），然后对该trainData进行转换transform，从而实现数据的标准化、归一化等等。

根据对之前部分trainData进行fit的整体指标，对剩余的数据（testData）使用同样的均值、方差、最大最小值等指标进行转换transform(testData)，从而保证train、test处理方式相同。所以，一般都是这么用：

 
 

   
   

    
    

   
   
   
   

    
    

     
     from sklearn.preprocessing 
     
     import StandardScaler
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     sc = StandardScaler()
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     sc.fit_tranform(X_train)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     sc.tranform(X_test)
    
    
   
   
 
 

Note:

• 必须先用fit_transform(trainData)，之后再transform(testData)
• 如果直接transform(testData)，程序会报错
• 如果fit_transfrom(trainData)后，使用fit_transform(testData)而不transform(testData)，虽然也能归一化，但是两个结果不是在同一个“标准”下的，具有明显差异。(一定要避免这种情况)

 

---

2 举例

以PCA预处理，举个栗子：

 
 

   
   

    
    

   
   
   
   

    
    

     
     import pandas 
     
     as pd
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     import numpy 
     
     as np
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     from sklearn.decomposition 
     
     import PCA 
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #==========================================================================================
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     X1=pd.DataFrame(np.arange(
     
     9).reshape((
     
     3,
     
     3)),index=[
     
     'a',
     
     'b',
     
     'c'],
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
                   columns=[
     
     'one',
     
     'two',
     
     'three'])  
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     pca=PCA(n_components=
     
     1)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     newData1=pca.fit_transform(X1)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     pca.fit(X1)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     newData12=pca.transform(X1)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     """
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     newData1和newData2结果一致
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     """
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #==========================================================================================
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     a=[[
     
     1,
     
     2,
     
     3],[
     
     5,
     
     6,
     
     7],[
     
     4,
     
     5,
     
     8]]
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     X2=pd.DataFrame(np.array(a),index=[
     
     'a',
     
     'b',
     
     'c'],
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
                   columns=[
     
     'one',
     
     'two',
     
     'three'])  
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     pca_new=PCA(n_components=
     
     1)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     pca_new.transform(X2)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     """
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     没有fit，直接transform报错：
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     NotFittedError: This PCA instance is not fitted yet. Call 'fit' with appropriate arguments before using this method.
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     """
    
    
   
   
 
 

3 参考文献

1. what is the difference between 'transform' and 'fit_transform' in sklearn
2. sklearn.decomposition.PCA方法中fit, fit_transform, transform应该怎么用
3. scikit-learn数据预处理fit_transform()与transform()的区别(转) - CSDN博客