scikit-learn中的“适合”方法有什么作用？ [关闭]

Question

您能否解释一下scikit-learn中的“ fit”方法是什么？ 为什么有用？

我是机器学习和scikit学习的新手。

Answer 1

简而言之 ： 适应等于训练 。 然后，在对其进行训练之后，通常可以通过.predict()方法调用将模型用于进行预测。

详细说明 ：使模型适合训练数据（即使用.fit()方法）实质上是建模过程中的训练部分。 它找到通过使用的算法指定的方程式的系数（例如，上面的umutto线性回归示例）。

然后，对于分类器，您可以使用predict方法对传入数据点（来自测试集或其他方式）进行分类。 或者，在回归的情况下，当对传入数据点使用predict时，您的模型将进行内插/外推。

还应注意，有时“适合”命名法用于非机器学习方法，例如缩放器和其他预处理步骤。 在这种情况下，就像在最小-最大缩放器，TF-IDF或其他转换的情况下一样，您只是在数据上“应用”指定的功能。

注意：以下是一些参考...

• python sklearn中的fit方法
• http://scikit-learn.org/stable/tutorial/basic/tutorial.html