fit_transform 和 transform 之间有什么区别？为什么直接使用 transform 不行？

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

如果直接变换会出现以下错误

NotFittedError: 此 StandardScaler 实例尚未拟合。在使用此方法之前，请使用适当的参数调用 ‘fit’ 函数。

回答：

StandardScaler，根据文档介绍：

通过移除均值并缩放到单位方差来标准化特征

因此，它需要首先了解您数据的均值和方差。所以需要使用 fit() 或 fit_transform()，这样 StandardScaler 可以遍历您所有的数据来找到均值和方差。这些可以通过以下属性访问：

mean_ : 训练集中每个特征（列）的均值。

var_ : 训练集中每个特征的方差。

请注意，这些将为数据中的每一列分别计算。

在 transform() 中，它将仅使用这些 mean 和 variance 值来缩放数据。

现在您可能会问，为什么不在 transform() 期间计算这些属性。这样做是为了确保测试数据的缩放方式与训练数据（通过 fit_transform()）的缩放方式相同。如果在每次调用 transform() 时计算数据的均值和方差，那么所有传递的数据将具有不同的缩放，这不是您想要的。

这适用于所有 scikit 变换器。

1) fit() – 只会遍历数据并保存数据所需的所有属性

2) transform() – 使用从 fit() 保存的属性来更改数据

3) fit_transform() – 用于 fit() 然后 transform() 同一数据的实用函数。

通常，您会在训练数据上调用 fit_transform()，而在测试数据上只调用 transform()。