フィットとフィット変換

fit() と fit_transform() の違いについて疑問に思ったことはありますか?これら 2 つの関数は、データの前処理中によく使用されます。それらの違いを詳しく見て、例を挙げて説明しましょう。

データの標準化は重要な前処理ステップであり、通常、平均、最小、最大、分散などのデータのさまざまなパラメーターを計算する必要があります。 fit_transform() はこれらのパラメーターを計算してデータセットに適用しますが、fit() はこれらのパラメーターを計算するだけでデータセットには適用しません。

小さなデータ配列があるとします:

data = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]

fit() と transform() をそれぞれ使用します:

<code class="language-python">from sklearn.preprocessing import StandardScaler

# 步骤 1
scaler = StandardScaler()

# 步骤 2
scaler.fit(data)  # 此处仅计算均值和标准差，不进行数据缩放

# 步骤 3
scaled_data = scaler.transform(data)  # 现在 scaled_data 包含标准化后的数据</code>

fit_transform()を使用します:

<code class="language-python">from sklearn.preprocessing import StandardScaler

# 步骤 1
scaler = StandardScaler()

# 步骤 2
scaled_data = scaler.fit_transform(data)  # scaled_data 包含标准化后的数据</code>

fit_transform() を使用すると、余分な手順が省略されることがわかります。

どの関数を選択するかは、特定のアプリケーション シナリオによって異なります。最初にパラメータを計算してから、複数のデータ セット (トレーニング セットやテスト セットなど) に変換を適用する必要がある場合は、それぞれ fit() と transform() を使用する方が適切です。ただし、単一のデータセットに変換を適用するだけの場合は、fit_transform() を使用することで前処理プロセスをよりクリーンにすることができます。

以上がフィットとフィット変換の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。