scikit_learn 中的 fit() 、fit_transform() 和 transform() 有什么区别？
what is the difference between fit() ,fit_transform() and transform() in scikit_learn?
这是我使用 fit_transform() 和 transform():
的特征缩放代码
##Feature scaling
from sklearn.preprocessing import StandardScaler
sc_x=StandardScaler()
X_train=sc_x.fit_transform(X_train)
X_test=sc_x.transform(X_test)
fit 表示使 pre-processor 适合所提供的数据。这是 pre-processor 从数据中“学习”的地方。
transform表示根据拟合pre-processor对数据进行变换（产生输出）；它通常用于 test 数据和一般看不见的数据（例如，在部署模型后出现的新数据中）。
fit_transform 意味着两者兼而有之 - 将 pre-processor 拟合到数据，然后根据拟合的 pre-processor 转换数据。调用 fit_transform 是为了避免需要在同一输入上顺序调用 fit 和 transform，当然这只适用于 training 数据（不幸的是，在测试中再次调用 fit_transform 或看不见的数据是菜鸟常见的错误）。
这是我使用 fit_transform() 和 transform():
##Feature scaling
from sklearn.preprocessing import StandardScaler
sc_x=StandardScaler()
X_train=sc_x.fit_transform(X_train)
X_test=sc_x.transform(X_test)
fit 表示使 pre-processor 适合所提供的数据。这是 pre-processor 从数据中“学习”的地方。
transform表示根据拟合pre-processor对数据进行变换（产生输出）；它通常用于 test 数据和一般看不见的数据（例如，在部署模型后出现的新数据中）。
fit_transform 意味着两者兼而有之 - 将 pre-processor 拟合到数据，然后根据拟合的 pre-processor 转换数据。调用 fit_transform 是为了避免需要在同一输入上顺序调用 fit 和 transform，当然这只适用于 training 数据（不幸的是，在测试中再次调用 fit_transform 或看不见的数据是菜鸟常见的错误）。