<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/