sklearn数据预处理中fit(),transform()与fit_transform()的区别

1 概述

注意这是数据预处理中的方法：

• Fit(): Method calculates the parameters μ and σ and saves them as internal objects.

解释：简单来说，就是求得训练集X的均值啊，方差啊，最大值啊，最小值啊这些训练集X固有的属性。可以理解为一个训练过程

• Transform(): Method using these calculated parameters apply the transformation to a particular dataset.

解释：在Fit的基础上，进行标准化，降维，归一化等操作（看具体用的是哪个工具，如PCA，StandardScaler等）。

• Fit_transform(): joins the fit() and transform() method for transformation of dataset.

解释：fit_transform是fit和transform的组合，既包括了训练又包含了转换。

transform()和fit_transform()二者的功能都是对数据进行某种统一处理（比如标准化~N(0,1)，将数据缩放(映射)到某个固定区间，归一化，正则化等）

fit_transform(trainData)对部分数据先拟合fit，找到该part的整体指标，如均值、方差、最大值最小值等等（根据具体转换的目的），然后对该trainData进行转换transform，从而实现数据的标准化、归一化等等。

根据对之前部分trainData进行fit的整体指标，对剩余的数据（testData）使用同样的均值、方差、最大最小值等指标进行转换transform(testData)，从而保证train、test处理方式相同。所以，一般都是这么用：

     from sklearn.preprocessing 

     import StandardScaler







     sc = StandardScaler()







     sc.fit_tranform(X_train)







     sc.tranform(X_test)

Note:

• 必须先用fit_transform(trainData)，之后再transform(testData)
• 如果直接transform(testData)，程序会报错
• 如果fit_transfrom(trainData)后，使用fit_transform(testData)而不transform(testData)，虽然也能归一化，但是两个结果不是在同一个“标准”下的，具有明显差异。(一定要避免这种情况)

---

2 举例

以PCA预处理，举个栗子：

     import pandas 

     as pd







     import numpy 

     as np













     from sklearn.decomposition 

     import PCA 













     #==========================================================================================







     X1=pd.DataFrame(np.arange(

     9).reshape((

     3,

     3)),index=[

     'a',

     'b',

     'c'],







                   columns=[

     'one',

     'two',

     'three'])  













     pca=PCA(n_components=

     1)













     newData1=pca.fit_transform(X1)













     pca.fit(X1)







     newData12=pca.transform(X1)













     """







     newData1和newData2结果一致







     """







     #==========================================================================================







     a=[[

     1,

     2,

     3],[

     5,

     6,

     7],[

     4,

     5,

     8]]













     X2=pd.DataFrame(np.array(a),index=[

     'a',

     'b',

     'c'],







                   columns=[

     'one',

     'two',

     'three'])  







     pca_new=PCA(n_components=

     1)







     pca_new.transform(X2)







     """







     没有fit，直接transform报错：







     NotFittedError: This PCA instance is not fitted yet. Call 'fit' with appropriate arguments before using this method.







     """

3 参考文献

1. what is the difference between 'transform' and 'fit_transform' in sklearn
2. sklearn.decomposition.PCA方法中fit, fit_transform, transform应该怎么用
3. scikit-learn数据预处理fit_transform()与transform()的区别(转) - CSDN博客