我在使用scikit-learn中的各种SVM变体，并结合CountVectorizer和HashingVectorizer进行尝试。它们在不同的示例中使用fit或fit_transform，这让我感到困惑，不知道在什么时候应该使用哪一个。

任何澄清都将不胜感激。

回答：

它们服务于相似的目的。文档为HashingVectorizer提供了一些优点和缺点：

这种策略有几个优点：

• 它对大型数据集具有非常低的内存扩展性，因为不需要在内存中存储词汇表
• 它快速进行序列化和反序列化，因为除了构造函数参数外它不保存任何状态
• 它可以在流式（部分拟合）或并行管道中使用，因为在拟合过程中不计算任何状态。

也有几个缺点（与使用带有内存中词汇表的CountVectorizer相比）：

• 无法计算逆变换（从特征索引到字符串特征名称），这在试图审视哪些特征对模型最重要时可能是个问题
• 可能存在冲突：不同的标记可能被映射到相同的特征索引。然而，在实践中，如果n_features足够大（例如，文本分类问题中的2 ** 18），这很少成为问题
• 没有IDF加权，因为这会使变换器具有状态性。