sklearn KMeans 中的 fit() 与 fit_predict() 方法

Question

当我们在 sklearn.cluster.KMeans 上制作sklearn.cluster.KMeans时，有两种方法。 首先是fit() ，另一个是fit_predict() 。 我的理解是，当我们在KMeans model 上使用fit()方法时，它会给出一个属性labels_ ，它基本上保存了关于哪个观察属于哪个集群的信息。 fit_predict()也有labels_属性。

所以我的问题是，

1. 如果fit()满足需求，那么为什么它们是fit_predict() ？
2. 编写代码时fit()和fit_predict()可以互换吗？

Answer 1

KMeans只是sklearn拥有的众多模型之一，许多模型共享相同的 API。 基本功能 ae fit ，它使用示例教授 model ，以及predict ，它使用通过fit获得的知识来回答有关潜在新值的问题。

KMeans将在训练期间自动预测所有输入数据的集群，因为这样做是算法不可或缺的。 为了提高效率，它保留了它们，因为预测原始数据集的标签非常普遍。 因此， fit_predict增加的很少：它调用fit ，然后返回.labels_ 。 fit_predict只是一个调用fit的便捷方法，然后返回训练数据集的标签。 （ fit_predict没有labels_属性，它只是给你标签。）

但是，如果您想在一组数据上训练 model，然后使用它来快速（并且不更改已建立的集群边界）获得原始数据中没有的数据点的答案，您需要使用predict ，而不是fit_predict 。

在其他模型（例如sklearn.neural_network.MLPClassifier ）中，训练可能是一项非常昂贵的操作，因此您可能不想每次想要预测某些东西时都重新训练 model； 此外，预测结果可能不是作为预测的一部分生成的。 或者，如上所述，您只是不想更改 model 以响应新数据。 在这些情况下，您无法从fit的结果中获得预测：您需要使用要获得预测的数据调用predict 。

另请注意， labels_用下划线标记，Python 约定“不要碰这个，它是私有的”（在没有实际访问控制的情况下）。 只要有可能，您应该改用已建立的 API。

Answer 2

在 scikit-learn 中，有fit和fit_transform等类似的东西。
Fit和predict或labels_对于聚类至关重要。
因此fit_predict只是高效的代码，其结果与 fit 和 predict（或标签）的结果相同。

此外，拟合聚类 model 在确定样本的聚类标签时仅使用一次。