sklearn KMeans 中的 fit() 與 fit_predict() 方法

Question

當我們在 sklearn.cluster.KMeans 上制作sklearn.cluster.KMeans時，有兩種方法。 首先是fit() ，另一個是fit_predict() 。 我的理解是，當我們在KMeans model 上使用fit()方法時，它會給出一個屬性labels_ ，它基本上保存了關於哪個觀察屬於哪個集群的信息。 fit_predict()也有labels_屬性。

所以我的問題是，

1. 如果fit()滿足需求，那么為什么它們是fit_predict() ？
2. 編寫代碼時fit()和fit_predict()可以互換嗎？

Answer 1

KMeans只是sklearn擁有的眾多模型之一，許多模型共享相同的 API。 基本功能 ae fit ，它使用示例教授 model ，以及predict ，它使用通過fit獲得的知識來回答有關潛在新值的問題。

KMeans將在訓練期間自動預測所有輸入數據的集群，因為這樣做是算法不可或缺的。 為了提高效率，它保留了它們，因為預測原始數據集的標簽非常普遍。 因此， fit_predict增加的很少：它調用fit ，然后返回.labels_ 。 fit_predict只是一個調用fit的便捷方法，然后返回訓練數據集的標簽。 （ fit_predict沒有labels_屬性，它只是給你標簽。）

但是，如果您想在一組數據上訓練 model，然后使用它來快速（並且不更改已建立的集群邊界）獲得原始數據中沒有的數據點的答案，您需要使用predict ，而不是fit_predict 。

在其他模型（例如sklearn.neural_network.MLPClassifier ）中，訓練可能是一項非常昂貴的操作，因此您可能不想每次想要預測某些東西時都重新訓練 model； 此外，預測結果可能不是作為預測的一部分生成的。 或者，如上所述，您只是不想更改 model 以響應新數據。 在這些情況下，您無法從fit的結果中獲得預測：您需要使用要獲得預測的數據調用predict 。

另請注意， labels_用下划線標記，Python 約定“不要碰這個，它是私有的”（在沒有實際訪問控制的情況下）。 只要有可能，您應該改用已建立的 API。

Answer 2

在 scikit-learn 中，有fit和fit_transform等類似的東西。
Fit和predict或labels_對於聚類至關重要。
因此fit_predict只是高效的代碼，其結果與 fit 和 predict（或標簽）的結果相同。

此外，擬合聚類 model 在確定樣本的聚類標簽時僅使用一次。