sklearnノート:transfrom()なぜfit_につながっているのかtransform()はfit()ではなく後ろですか?
9066 ワード
偶然出会う
わからなかったら下の例を見てください
例:データセットX_についてtrainとX_test、神の視点からモデルは以下の通りです:y=β 0 + β 1 x + β 2 x 2 . y =\beta_0 +\beta_1 x +\beta_2 x^{2}. y=β0+β1x+β2x2.
しかし、上記は以下のように簡単に書くことができます.
その他の英語の答えはfit_がありますtransform() vs. transform() by EngWiPy Difference between fit and fit_transform in scikit_learn models? by Kaggle 2016.7.21
x_train_result = your_model.fit_transform(x_train_set)
x_test_result = your_model.transform(x_test_set)
transform()
関数はfit_transform()
関数の後ろにあります.これは何の操作ですか.答え:肝心なことfit_transform()
は、fit()
+transform()
に相当し、transform()
は直接応用することができる.わからなかったら下の例を見てください
例:データセットX_についてtrainとX_test、神の視点からモデルは以下の通りです:y=β 0 + β 1 x + β 2 x 2 . y =\beta_0 +\beta_1 x +\beta_2 x^{2}. y=β0+β1x+β2x2.
fit()
:Xからtrainでは、各パラメータを算出し、β 0 β_0 β0、 β 1 β_1 β1とβ 2 β_2 β2, transform()
:データセットX_trainは式を適用し,結果を得た.一般的に私たちのコードは次のとおりです.your_model.fit(x_train) # fit(), 3 β y, your_model
x_train_quadratic = quadratic_featurizer.transform(x_train) # your_model x_train ,
print(x_train_quadratic)
#
[[ 1. 6. 36.]
[ 1. 8. 64.]
[ 1. 10. 100.]
[ 1. 14. 196.]
[ 1. 18. 324.]]
x_test_quaratic = quadratic_featurizer.transform(x_test) # your_model x_test ,
print(x_test_quaratic)
#
[[ 1. 6. 36.]
[ 1. 8. 64.]
[ 1. 11. 121.]
[ 1. 16. 256.]]
しかし、上記は以下のように簡単に書くことができます.
x_train_quadratic = quadratic_featurizer.fit_transform(x_train)
print(x_train_quadratic)
#
[[ 1. 6. 36.]
[ 1. 8. 64.]
[ 1. 10. 100.]
[ 1. 14. 196.]
[ 1. 18. 324.]]
x_test_quaratic = quadratic_featurizer.transform(x_test)
print(x_test_quaratic)
#
[[ 1. 6. 36.]
[ 1. 8. 64.]
[ 1. 11. 121.]
[ 1. 16. 256.]]
その他の英語の答えはfit_がありますtransform() vs. transform() by EngWiPy Difference between fit and fit_transform in scikit_learn models? by Kaggle 2016.7.21