我是數(shù)據(jù)科學(xué)和 scikit-learn 的新手，所以如果這是一個(gè)基本問題，我深表歉意。當(dāng)我們想在新數(shù)據(jù)集上訓(xùn)練時(shí)，是否需要?jiǎng)?chuàng)建 sklearn 類的新實(shí)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()) ...我要轉(zhuǎn)換多組數(shù)據(jù)以便運(yùn)行KNNImputer（再次使用這種重復(fù)聲明方法）。我讀到該.fit方法在內(nèi)部存儲(chǔ)它用于適應(yīng)傳入數(shù)據(jù)的 lambda，但是存儲(chǔ)的 lambda 是否會(huì)在每次調(diào)用時(shí)被覆蓋，.fit或者它們是否會(huì)受到適合新數(shù)據(jù)的影響？這樣做是錯(cuò)誤的嗎：transformer = PowerTransformer()transformed1 = transformer.fit_transform(data1.to_numpy())transformed2 = transformer.fit_transform(data2.to_numpy())...先感謝您！
1 回答
慕哥9229398
TA貢獻(xiàn)1877條經(jīng)驗(yàn) 獲得超6個(gè)贊
不，那不會(huì)錯(cuò)，在這兩種情況下，您首先要適應(yīng)數(shù)據(jù)而不是轉(zhuǎn)換數(shù)據(jù)。每次使用 fit 時(shí)，它都會(huì)覆蓋現(xiàn)有的。這是一個(gè)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(xiàn)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 doc. 所說）并估算平均值。這在 KNNImputer 中也應(yīng)該同樣有效。
添加回答
舉報(bào)
0/150
提交
取消