sklearn：你需要為每組數據創建一個新的transformer實例嗎？

Question

我是數據科學和 scikit-learn 的新手，所以如果這是一個基本問題，我深表歉意。 當我們想在新數據集上進行訓練時，是否需要創建 sklearn class 的新實例？ 例如，我目前正在做：

transformer = PowerTransformer()
transformed1 = transformer.fit_transform(data1.to_numpy())

transformer = PowerTransformer()
transformed2 = transformer.fit_transform(data2.to_numpy()) 
...

我有多個要轉換的數據集，以便可以運行KNNImputer （再次使用這種重復聲明性方法）。

我讀到.fit方法在內部存儲了用於擬合傳入數據的 lambda，但是存儲的 lambda 是否會被每次調用.fit覆蓋，或者它們是否受到新數據擬合的影響？

這樣做會不會錯：

transformer = PowerTransformer()
transformed1 = transformer.fit_transform(data1.to_numpy())
transformed2 = transformer.fit_transform(data2.to_numpy())
...

先感謝您！

Answer 1

不，這不會錯，在這兩種情況下，您首先要適應數據，然后再對其進行轉換。 每次使用 fit 它都會覆蓋現有的。 這是一個例子：

a = np.array([[1, 3], 
              [np.nan, 2], 
              [5, 9]])

c = np.array([[3, 4], 
              [6, 12], 
              [8, np.nan]])

imp = SimpleImputer(strategy="mean")
a1 = imp.fit_transform(a)
c1 = imp.fit_transform(c)

現在讓我們看看輸出：

a1: array([[1., 3.],
           [3., 2.],
           [5., 9.]])

c1: array([[ 3.,  4.],
           [ 6., 12.],
           [ 8.,  8.]])

取兩列的平均值（如 sklearn 文檔所說）並估算平均值。 這在 KNNImputer 中也應該同樣有效。