知识卡片
转换器fit与transform
scikit-learn 把处理数据的对象分两类:转换器(transformer)和预估器(estimator)。转换器(如 Imputer、StandardScaler)的核心方法是 fit 与 transform:fit 在训练数据上识别参数、构建转换模型(如算出各列均值),transform 用该模型对数据做转换(填充缺失值)。预估器(分类器)API 类似,也有 fit,并多出 predict 用模型预测新样本。关键纪律:fit 只在训练数据上做,然后用同一套参数 transform 训练集、测试集和未知数据,避免测试信息泄漏。fit_transform 是两者连用的快捷方式。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 数据预处理——构建好的训练数据集 · 查看原书依据
fit方法用于对数据集中的参数进行识别并构建相应的数据补齐模型,而transform方法则使用刚构建的数据补齐模型对数据集中相应参数的缺失值进行补齐
参考来源
- 位置:《Python机器学习》第4章《4.1.3 理解scikit-learn预估器的API》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/part0051.xhtml.xhtml)
- 结论依据:原文直接支撑上述要点。
- 原始内容:fit方法用于对数据集中的参数进行识别并构建相应的数据补齐模型,而transform方法则使用刚构建的数据补齐模型对数据集中相应参数的缺失值进行补齐