fit() 到底在这里做什么？

Question

好吧，基本上我想知道 fit() 函数一般是做什么的，尤其是在下面的代码片段中。我参加机器学习 AZ 课程是因为我对机器学习很陌生（我刚刚开始）。我知道一些基本的概念术语，但不知道技术部分。代码1：from sklearn.impute import SimpleImputermissingvalues = SimpleImputer(missing_values = np.nan, strategy = 'mean', verbose = 0) missingvalues = missingvalues.fit(X[:, 1:3])X[:, 1:3] = missingvalues.transform(X[:, 1:3])其他一些我仍然有疑问的例子代码 2：from sklearn.preprocessing import StandardScalersc_X = StandardScaler()print(sc_X)X_train = sc_X.fit_transform(X_train)print(X_train)X_test = sc_X.transform(X_test)我认为，如果我知道此功能的一般用途以及一般情况下的具体用途，我会很高兴。但我当然想知道该代码在做什么

Answer 1

这也是一个很好的检查可能性：https ://scikit-learn.org/stable/tutorial/basic/tutorial.html

-fit方法总是在机器学习中学习一些东西。

您通常有以下步骤：

1. 将您的数据分成两个/三个数据集

2. 选择你的数据的一部分来学习/训练一些东西（通常X_train）fit

3. 使用学习算法来预测看不见的数据（通常X_test）predict

在您的第一个示例中：missingvalues.fit(X[:, 1:3]) 您正在根据仅使用 columnSimpleImputer的数据进行训练，而您使用转换来覆盖此数据。X1,2,3

在您的第二个示例中：您正在对两个数据集进行训练StandardScaler并X_train正在使用此训练X_train, X_test，StandardScaler 从中X_train学习，这意味着如果他知道必须将 10 转换为 2，他将在两组中将 10 转换为 2 X_train, X_test。

Answer 2

Sklearn 使用类。有关 Python中的类的更多信息，请参阅Python 文档。有关sklearn特别的更多信息，请查看此sklearn 文档。

以下是您如何在sklearn.

首先，您使用or实例化您的sklearn类。sc_X = StandardScaler()missingvalues = SimpleImputer(...)

对象sc_X和missingvalues，每个都有方法。您可以使用键入的方法object_name.method_name(...)。例如，您在键入时使用fit_transform()了实例的方法， . 此方法将获取您的数据并返回它的缩放版本。它既s（确定缩放参数）和s（应用缩放）到您的数据。该方法将使用它为之前的数据学习的相同缩放参数来转换新数据。sc_Xsc_X.fit_transform(...)fittransformtransform()

在第一个示例中，您已将fit和transform方法分成两行，但想法是相似的——您首先使用该fit方法学习插补参数，然后转换您的数据。

顺便说一句，我认为missingvalues = missingvalues.fit(X[:, 1:3])可以更改为missingvalues.fit(X[:, 1:3]).