<分区>
这是我使用 fit_transform() 和 transform() 进行特征缩放的代码:
##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)
<分区>
这是我使用 fit_transform() 和 transform() 进行特征缩放的代码:
##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)
最佳答案
fit 表示使预处理器适应所提供的数据。这是预处理器从数据中“学习”的地方。
transform 表示根据适合的预处理器转换数据(产生输出)；它通常用于测试数据，以及一般看不见的数据(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 - 将预处理器拟合到数据，然后根据拟合的预处理器转换数据。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 < em>training 数据(不幸的是，在测试或看不见的数据中再次调用 fit_transform 是菜鸟常见的错误)。
关于python - scikit_learn 中的 fit() 、fit_transform() 和 transform() 有什么区别？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/49328229/