不同的 output 同时使用 fit_transform vs fit and transform from sklearn

Question

下面的代码片段说明了这个问题：

from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler
import numpy as np

(nrows, ncolumns) = (1912392, 131)

X = np.random.random((nrows, ncolumns))

pca = PCA(n_components=28, random_state=0)
transformed_X1 = pca.fit_transform(X)
pca1 = pca.fit(X)
transformed_X2 = pca1.transform(X)

print((transformed_X1 != transformed_X2).sum()) # Gives output as 53546976


scalar = StandardScaler()
scaled_X1 = scalar.fit_transform(X)
scalar2 = scalar.fit(X)
scaled_X2 = scalar2.transform(X)

(scaled_X1 != scaled_X2).sum() # Gives output as 0

有人可以解释为什么第一个 output 不为零而第二个 output 是？

Answer 1

使用这个作品：

pca = PCA(n_components=28, svd_solver = 'full')
transformed_X1 = pca.fit_transform(X)
pca1 = pca.fit(X)
transformed_X2 = pca1.transform(X)

print(np.allclose(transformed_X1, transformed_X2))
True

显然svd_solver = 'random' （这是'auto'默认值）在.fit(X).transform(X)和fit_transform(X)之间有足够的过程差异，即使使用相同的种子也会给出不同的结果。 还要记住浮点错误使==和/=不可靠地判断不同进程的相等性，因此请使用np.allclose() 。

似乎StandardScaler.fit_transform()只是直接使用.fit(X).transform(X)在引擎盖下，所以那里没有浮点错误让你绊倒。