fit() 方法如何在使用 Imputer 类的 sklearn.preproessing 中工作 fit() 在后台到底做了什么对于下面的代码和 我到处都在看到适合什么，为什么以及如何？
from sklearn.preprocessing import Imputer
impt = Imputer(missing_values = "NaN", strategy = "mean", axis = 0)
impt = impt.fit(X[:,1:3])
X[:,1:3] = impt.transform(X[:,1:3])
【问题讨论】：
标签： python scikit-learn
好吧，预处理阶段“拟合”的目的是计算必要的值（如每个变量的最小值和最大值）。然后使用这个值 scikit learn 可以预处理您的数据，但以前不能。它也很有用，因为您可以稍后重新使用您的预处理器对象。
如果您想将这两个步骤合二为一，也可以使用fit_transform。
【讨论】：
我们的想法是“拟合”您的训练数据的预处理（就像您的模型一样）。它会学习一些状态，对于 imputer 来说，这可能是你的特征的 mean。然后，当您对测试/验证数据进行转换时，您使用状态（即本例中的 mean）来估算新的未见数据。使用这种设计，可以很容易地避免数据泄露。考虑一下您是否对整个数据集进行了估算。现在，您用于插补的均值使用了您所谓的未见测试数据中的一些信息。这是数据泄漏，您的数据不再是真正看不见的。 Scikit-learn 使用 fit / transform 模式轻松缓解机器学习中的这种常见缺陷。
此外，由于所有 sklearn 转换器和估算器都使用此fit API，您可以将它们链接到管道中，从而可以轻松地在 k 折交叉验证的每一折上进行所有预处理，这否则在没有错误的情况下将是一件非常繁琐、棘手的事情。
【讨论】：
Imputer(missing_values = "NaN", strategy = "mean", axis = 0)
上面的行创建了一个 Imputer 对象，它将用这些值的平均值填充/替换表示为 NaN 的缺失值。
impt = impt.fit(X[:,1:3])
所以它需要一些数据来计算mean，这些数据可以用缺失值代替。这通常通过 fit 方法完成，该方法将计算所需的值，在这种情况下是平均值。 fit 接收一些数据来计算这些值，通常称为training 阶段。
impt.transform(X[:,1:3])
一旦计算出这些值，它们就可以用于提供给它的新数据。在这种情况下，它将用计算的（在fit 方法中）平均值替换缺失的数据。这是通过transform 方法完成的。
有时可能想要运行fit 和transform 的相同数据。在这种情况下，我们可以使用 fit_transform 方法，而不是先调用 fit 再调用 transform。
X[:,1:3] = impt.fit_transform(X[:,1:3])
【讨论】：