sklearn fit transform fit_transform

scikit-learn提供了一系列转换库，他们能够清洗，降维，提取特征等。

在数据转换中有三个很重要的方法，fit，fit_transform,transform

ss=StandardScaler() X_train = ss.fit_transform(X_train) X_test = ss.transform(X_test)

• 1
• 2
• 3

初学时候好奇为什么，训练样本用fit_transform，而测试样本用transform？

仔细阅读官方文档发现，fit方法是用于从一个训练集中学习模型参数，其中就包括了归一化时用到的均值，标准误差。transform方法就是用于将模型用于位置数据，fit_transform就很高效的将模型训练和转化合并到一块儿，训练样本先作fit，获得mean，standard deviation，而后将这些参数用于transform（归一化训练数据），使获得的训练数据是归一化的，而测试数据只须要在原先获得的mean，std上来作归一化就好了，因此用transform就好了。

StandardScaler对矩阵做归一化处理，变换后的矩阵各特征均值为0，方差为1

网上抄来抄去都是一个意思，

fit_transform是fit和transform的组合。

咱们知道fit（x，y）在新手入门的例子中比较多，可是这里的fit_transform(x)的括号中只有一个参数，这是为何呢？

fit(x,y)传两个参数的是有监督学习的算法，fit(x)传一个参数的是无监督学习的算法，好比降维、特征提取、标准化

而后解释为何出来fit_transform（）这个东西，下面是重点：

fit和transform没有任何关系，之因此出来这么个函数名，仅仅是为了写代码方便，

因此会发现transform（）和fit_transform（）的运行结果是同样的。

注意：运行结果如出一辙不表明这两个函数能够互相替换，绝对不能够！！！

transform函数是必定能够替换为fit_transform函数的

fit_transform函数不能替换为transform函数！！！理由解释以下：

sklearn里的封装好的各类算法都要fit、而后调用各类API方法，transform只是其中一个API方法，因此当你调用除transform以外的方法，必需要先fit，为了通用的写代码，仍是分开写比较好

也就是说，这个fit相对于transform而言是没有任何意义的，可是相对于整个代码而言，fit是为后续的API函数服务的，因此fit_transform不能改写为transform。