函數(shù)功能解釋

fit()?

根據(jù)訓(xùn)練集數(shù)據(jù)學(xué)習(xí)得到數(shù)據(jù)集的特征，比如均值、中位數(shù)、標(biāo)準(zhǔn)差等等

transform()

將fit()學(xué)到數(shù)據(jù)集特征，應(yīng)用到數(shù)據(jù)集，比如學(xué)習(xí)到數(shù)據(jù)集平均數(shù)為6，應(yīng)用到填充數(shù)據(jù)中的缺失值

fit_transform() = fit()+transform()

即將從數(shù)據(jù)集中學(xué)到的特征（均值、中位數(shù)、標(biāo)準(zhǔn)差）應(yīng)用到數(shù)據(jù)集中

舉例

此處以使用均值填充缺失值舉例

>>> import numpy as np >>> from sklearn.impute import SimpleImputer# 學(xué)習(xí)方法（策略） >>> imp_mean = SimpleImputer(missing_values=np.nan, strategy='median') # 學(xué)習(xí)方法（策略）從下面數(shù)據(jù)集中進(jìn)行學(xué)習(xí) [[ 7. 2. 3.][ 4. nan 6.][10. 5. 9.]]>>> imp_mean_fit = imp_mean.fit([[7, 2, 3], [4, np.nan, 6], [10, 5, 9]]) # 學(xué)習(xí)方法（策略）從實(shí)際數(shù)據(jù)中進(jìn)行學(xué)習(xí)，學(xué)習(xí)到的第1/2/3列中位數(shù) 分別是7.0，3.5，6.0 >>> imp_mean_fit.statistics_ array([7. , 3.5, 6. ])# 將學(xué)習(xí)到的結(jié)果（第1/2/3列中位數(shù) 分別是7.0，3.5，6.0）應(yīng)用到數(shù)據(jù)集X，原來(lái)的np.nan分別被中位數(shù)替換 >>> X = [[np.nan, 2, 3], [4, np.nan, 6], [10, np.nan, 9]] >>> print(imp_mean_fit.transform(X))[[ 7. 2. 3. ][ 4. 3.5 6. ][10. 3.5 9. ]]

應(yīng)用

fit()+transform() 以及 fit_transform()只能應(yīng)用在訓(xùn)練集，一般不能對(duì)測(cè)試集進(jìn)行使用，測(cè)試集合一般用transfrom()，即只能將訓(xùn)練集提取到特征應(yīng)用到訓(xùn)練集及測(cè)試集。原因是如果fit_transfrom(trainData)后，使用fit_transform(testData)而不transform(testData)，雖然也能歸一化，但是兩個(gè)結(jié)果不是在同一個(gè)“標(biāo)準(zhǔn)”下的，具有明顯差異。

?

總結(jié)

以上是生活随笔為你收集整理的scikit_learn中fit()/transform()/fit_transform()区别和联系的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。