我对sklearn中的fit方法有各种疑问。

问题1：当我执行以下操作时：

from sklearn.decomposition import TruncatedSVDmodel = TruncatedSVD()svd_1 = model.fit(X1)svd_2 = model.fit(X2)

变量model的内容在过程中是否有所变化？

问题2：当我执行以下操作时：

from sklearn.decomposition import TruncatedSVDmodel = TruncatedSVD()svd_1 = model.fit(X1)svd_2 = svd_1.fit(X2)

svd_1会发生什么？换句话说，svd_1已经被拟合了，我再次对其进行拟合，它的成分会发生什么变化？

回答：

问题1： 变量model的内容在过程中是否有所变化？

是的。fit方法会修改对象。并且它会返回对象的引用。因此，请注意！在第一个例子中，三个变量model、svd_1和svd_2实际上都指向同一个对象。

from sklearn.decomposition import TruncatedSVDmodel = TruncatedSVD()svd_1 = model.fit(X1)svd_2 = model.fit(X2)print(model is svd_1 is svd_2)  # 输出 True

问题2： svd_1会发生什么？

model和svd_1指向同一个对象，因此第一个和第二个例子之间完全没有区别。

最后的评论： 在两个例子中，fit(X1)的结果被fit(X2)覆盖，正如David Maust在答案中指出的那样。如果你想对两个不同的数据集分别拟合两个不同的模型，你需要这样做：

svd_1 = TruncatedSVD().fit(X1)svd_2 = TruncatedSVD().fit(X2)