fit（）在这里到底做什么？

Question

嗯，基本上，我想知道fit（）函数通常会做什么，但是尤其是在那下面的代码中。

我参加了机器学习A-Z课程，因为它对机器学习非常陌生（我刚刚开始）。我知道一些基本的概念性术语，但不涉及技术性部分。

CODE1：

from sklearn.impute import SimpleImputer

missingvalues = SimpleImputer(missing_values = np.nan, strategy = 'mean', verbose = 0) 

missingvalues = missingvalues.fit(X[:, 1:3])

X[:, 1:3] = missingvalues.transform(X[:, 1:3])

还有一些我仍然有疑问的例子

代码2：

from sklearn.preprocessing import StandardScaler
sc_X = StandardScaler()
print(sc_X)
X_train = sc_X.fit_transform(X_train)
print(X_train)
X_test = sc_X.transform(X_test)

我认为，如果我知道该功能的一般用法以及确切的用途，我会很好的。但是具体来说，我想知道该代码在做什么

Answer 1

Sklearn使用类。有关Python中类的更多信息，请参见Python documentation。有关特别是sklearn的更多信息，请查看此sklearn documentation。

这里是您如何在sklearn中使用类的简短描述。

首先，您要使用sklearn或sc_X = StandardScaler()实例化missingvalues = SimpleImputer(...)类。

sc_X和missingvalues对象均具有方法。您可以使用键入object_name.method_name(...)的方法。例如，当您键入fit_transform()时，您使用了sc_X实例的sc_X.fit_transform(...)方法。此方法将获取您的数据并返回其缩放版本。它既fit s（确定缩放参数），又transform s（应用缩放）到您的数据。 transform()方法将使用与先前数据相同的缩放参数来转换新数据。

[在第一个示例中，您将fit和transform方法分成了两行，但是想法很相似-您首先使用fit方法学习插补参数，然后转换数据。

顺便说一句，我认为可以将missingvalues = missingvalues.fit(X[:, 1:3])更改为missingvalues.fit(X[:, 1:3])。

Answer 2

这里也是一种不错的检查方法：https://scikit-learn.org/stable/tutorial/basic/tutorial.html

fit方法总是在机器学习中学习一些东西。

您通常具有以下步骤：

1. 将您的数据分成两个/三个数据集
2. 选择数据的一部分来学习/训练X_train（通常为fit）
3. 使用您学到的算法，您可以预测一些东西以X_test看不到数据（通常是predict）>

在您的第一个示例中：missingvalues.fit(X[:, 1:3])您正在基于数据SimpleImputer来训练X，其中仅使用列1,2,3，通过转换，您使用了此训练来覆盖此数据。

[在第二个示例中：您正在使用StandardScaler训练X_train，并且正在对两个数据集X_train, X_test使用此训练，StandardScaler从X_train中学习，这意味着如果他知道必须将10转换为2，他将在两组X_train, X_test中将10转换为2。