函數功能解釋

fit()?

根據訓練集數據學習得到數據集的特征，比如均值、中位數、標準差等等

transform()

將fit()學到數據集特征，應用到數據集，比如學習到數據集平均數為6，應用到填充數據中的缺失值

fit_transform() = fit()+transform()

即將從數據集中學到的特征（均值、中位數、標準差）應用到數據集中

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# 學習方法（策略） >>> imp_mean = SimpleImputer(missing_values=np.nan, strategy='median') # 學習方法（策略）從下面數據集中進行學習 [[ 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]]) # 學習方法（策略）從實際數據中進行學習，學習到的第1/2/3列中位數 分別是7.0，3.5，6.0 >>> imp_mean_fit.statistics_ array([7. , 3.5, 6. ])# 將學習到的結果（第1/2/3列中位數 分別是7.0，3.5，6.0）應用到數據集X，原來的np.nan分別被中位數替換 >>> 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. ]]

應用

fit()+transform() 以及 fit_transform()只能應用在訓練集，一般不能對測試集進行使用，測試集合一般用transfrom()，即只能將訓練集提取到特征應用到訓練集及測試集。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，但是兩個結果不是在同一個“標準”下的，具有明顯差異。

?

總結

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

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。