sklearn：你需要为每组数据创建一个新的transformer实例吗？

Question

我是数据科学和 scikit-learn 的新手，所以如果这是一个基本问题，我深表歉意。当我们想在新数据集上训练时，是否需要创建 sklearn 类的新实例？比如我目前在做：

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

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

我想要转换多组数据，以便可以运行KNNImputer（再次使用这种重复声明方法）。

我读到.fit 方法在内部存储了用于拟合传入数据的 lambda，但是存储的 lambda 是否会在每次调用 .fit 时被覆盖，或者它们是否会受到新数据拟合的影响?

这样做会不会错：

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

提前谢谢你！

Answer 1

不，这不会错，在这两种情况下，您首先要适应数据，然后再对其进行转换。每次使用 fit 它都会覆盖现有的。这是一个例子：

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)

现在让我们看看输出：

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

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

取两列的平均值（如 sklearn 文档所说）并估算平均值。这在 KNNImputer 中也应该同样有效。