Sklearn中fit、fit_transform 和transform的功能区别

原文参考stackoverflow的回答，原文解释很清楚，英文好的同学可以前往自行阅读：

stackoverflow对三个方法的解释

在机器学习建模前，一般要对数据进行归一化、独热编码、填充缺失值(sklearn.impute.SimpleImputer)等操作。设置预处理操作后，一般要使用fit_transform()方法对数据进行处理，在查看官方文档时，发现有fit、fit_transform和transform，下面介绍一下三者的区别：

---

再开始之前，先陈述一个机器学习预处理的流程：如果想要对某一列数据做一些归一化处理，需要先计算出这列数据的均值、最大值、最小值等统计数据。然后对每个数据分别进行归一化处理。所以归一化处理分为两步：获取归一化参数、归一化处理。

• fit()：  从原数据获取归一化、缺失值填充等功能所需的必要参数。换句话说：我想使用某一列的均值填充该列的缺失值，那么缺失值是多少呢？就要通过fit方法计算出来。
• transform()：根据fit方法获得的预处理必要参数，对数据进行处理。所以transform经常和fit一起使用。
• fit_transform()：理解了上面两个方法，fit_transform的功能就很清楚了。就是先获取预处理数据需要的必要参数，再对数据进行预处理。

需要注意的是：一般对训练集做fit+transform处理，对测试集仅作transform处理。

有人会问：为什么不同样对测试集做fit+transform处理？因为测试集的特征分布是未知的，为了保证模型的良好性能，应当使用训练集的预处理参数对测试集做预处理。