【轉貼】sklearn中fit、fit_transform、transform的區別
1 前言 在使用sklearn處理資料的時候，會經常看到fit_tranform()，但是偶爾也會遇到fit()和transform()函式，以下作一個簡單的整理： 2 理解 fit：原義指的是安裝、使適合的意思，其實有點train的含義但是和train不同的是，它並不是一個訓練的過程，而是一個適配的過程，過程都是定死的，最後只是得到了一個統一的轉換的規則模型。 transform：是將資料進行轉換，比如資料的歸一化和標準化，將測試資料按照訓練資料同樣的模型進行轉換，得到特徵向量。 fit_transform：可以看做是fit和transform的結合，如果訓練階段使用fit_transform，則在測試階段只需要對測試樣本進行transform就行了。 下面來看一下這兩個函式的API以及引數含義： 1、fit_transform()函式  即fit_transform()的作用就是先訓練，找到轉換資料的規則，然後根據找到的規則轉換資料。 2、transform()函式  即tranform()的作用是根據找到的規則對資料進行轉換，通過找中心和縮放等實現標准化。 到了這裡，我們似乎知道了兩者的一些差別，就像名字上的不同，前者多了一個fit數據的步驟，那為什麼在標准化數據的時候不使用fit_transform()函數呢？ 原因如下： 為了數據歸一化（使特徵數據方差為1，均值為0），我們需要計算特徵數據的均值μ和方差σ^2，再使用下面的公式進行歸一化： 我們在訓練集上調用fit_transform()，其實找到了均值μ和方差σ^2，即我們已經找到了轉換規則，我們把這個規則利用在訓練集上，同樣，我們可以直接將其運用到測試集上（甚至交叉驗證集），所以在測試集上的處理，我們只需要標准化數據(transform)而不需要再次擬合數據(fit)。用一幅圖展示如下：  說明： - est.fit(X_train) : 使用Training Data建立Model - est.transform(*) : 利用該Model產生Transformed data ———————————————— 原文網址：https://blog.csdn.net/quiet_girl/article/details/72517053