fit_transform()：輸入資料直接轉換（=fit()+transform()）
fit()：輸入資料，但不轉換，計算平均值標準差等等
transform()：進行資料的轉換
from sklearn.preprocessing import standardscaler
s=standardscaler(
)data=s.fit_transform([[
1,2,
3],[
4,5,
6]])
print
(data)
跟fit_transform的結果是一樣的
from sklearn.preprocessing import standardscaler
ss=standardscaler(
)ss.fit([[
2,3,
4],[
4,5,
7]])
data2=ss.transform([[
1,2,
3],[
4,5,
6]])
print
(data2)
因為fit計算的平均值、標準差不一樣，所以最後轉換的結果不一樣
估計器的使用流程
機器學習 轉換器與估計器
轉換器 1 例項化 例項化的是乙個轉換器類 transformer 2 呼叫fit transform 對於文件建立分類詞頻矩陣，不能同時呼叫 估計器 機器學習演算法的實現 在sklearn中，估計器 estimator 是乙個重要的角色，分類器和回歸器都屬於estimator，是一類實現了演算法的...
機器學習之轉換器和估計器
想一下之前做的特徵工程的步驟？我們把特徵工程的介面稱之為轉換器，其中轉換器呼叫有這麼幾種形式 transfer standardscaler data transfer.fit transform data from sklearn.preprocessing import standardscal...
轉換器與評估器
可參考 想一下之前做的特徵工程的步驟？1 例項化 例項化的是乙個轉換器類 transformer 2 呼叫fit transform 對於文件建立分類詞頻矩陣，不能同時呼叫 我們把特徵工程的介面稱之為轉換器，其中轉換器呼叫有這麼幾種形式 fit transform fit 得到資料的均值 標準差 t...