在sklearn-python工具箱中，关于sklearn.decomposition.RandomizedPCA有两个函数transform和fit_transform。两个函数的说明如下
但是它们之间有什么区别呢？
【问题讨论】：
est.fit_transform(X) 始终等价于est.fit(X).transform(X)，但通常更快。
标签： python scikit-learn
.transform 方法适用于您已经计算出 PCA 的情况，即如果您已经调用了它的 .fit 方法。
In [12]: pc2 = RandomizedPCA(n_components=3)
In [13]: pc2.transform(X) # can't transform because it does not know how to do it.
---------------------------------------------------------------------------
AttributeError Traceback (most recent call last)
<ipython-input-13-e3b6b8ea2aff> in <module>()
----> 1 pc2.transform(X)
/usr/local/lib/python3.4/dist-packages/sklearn/decomposition/pca.py in transform(self, X, y)
714 # XXX remove scipy.sparse support here in 0.16
715 X = atleast2d_or_csr(X)
--> 716 if self.mean_ is not None:
717 X = X - self.mean_
718
AttributeError: 'RandomizedPCA' object has no attribute 'mean_'
In [14]: pc2.ftransform(X)
pc2.fit pc2.fit_transform
In [14]: pc2.fit_transform(X)
Out[14]:
array([[-1.38340578, -0.2935787 ],
[-2.22189802, 0.25133484],
[-3.6053038 , -0.04224385],
[ 1.38340578, 0.2935787 ],
[ 2.22189802, -0.25133484],
[ 3.6053038 , 0.04224385]])
所以你想fit RandomizedPCA 然后transform 为：
In [20]: pca = RandomizedPCA(n_components=3)
In [21]: pca.fit(X)
Out[21]:
RandomizedPCA(copy=True, iterated_power=3, n_components=3, random_state=None,
whiten=False)
In [22]: pca.transform(z)
Out[22]:
array([[ 2.76681156, 0.58715739],
[ 1.92831932, 1.13207093],
[ 0.54491354, 0.83849224],
[ 5.53362311, 1.17431479],
[ 6.37211535, 0.62940125],
[ 7.75552113, 0.92297994]])
In [23]:
特别是 PCA .transform 将通过矩阵 X 的 PCA 分解获得的基变化应用于矩阵 Z。
【讨论】：
fit_transform是fit和transform两个函数的组合？
在scikit-learn estimator api中，
fit()：用于从训练数据生成学习模型参数
transform()：
fit()方法生成的参数，应用于模型生成转换后的数据集。
fit_transform() :
fit() 和 transform() api 在同一数据集上的组合
从book 结帐第 4 章并从stackexchange 回答以更清楚
【讨论】：
这些方法用于给定数据的中心/特征比例。 它基本上有助于规范化特定范围内的数据
为此，我们使用 Z-score 方法。
我们在训练数据集上执行此操作。
1.Fit()：方法计算参数μ和σ，并保存为内部对象。
2.Transform()：使用这些计算参数的方法将转换应用于特定数据集。
3.Fit_transform()：加入fit()和transform()方法进行数据集的变换。
用于特征缩放/标准化的代码 sn-p（在 train_test_split 之后）。
from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
sc.fit_transform(X_train)
sc.transform(X_test)
我们在测试集上应用相同的（训练集相同的两个参数 μ 和 σ（值））参数变换。
【讨论】：
方法之间的一般区别：
fit_transform 和 transform 返回相同的文档项矩阵。
【讨论】：
.fit()和.fit_transform()的基本区别在这里：
.fit()用于有两个对象/参数 (x,y) 的监督学习
拟合模型并使模型运行，我们知道我们的
会预测
.fit_transform() 用于具有一个对象/参数（x）的无监督学习，
在我们不知道的地方，我们将要预测什么。
【讨论】：
RandomizedPCA（可以说是类似的预处理东西），它具有fit()、transform()和fit_transform()这三种方法。
为什么和何时使用每一个
fit()、transform()、fit_transform()
通常我们有一个以 (X, y) 作为数据集的监督学习问题，我们将其拆分为训练数据和测试数据：
import numpy as np
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y)
X_train_vectorized = model.fit_transform(X_train)
X_test_vectorized = model.transform(X_test)
假设我们正在拟合一个分词器，如果我们拟合 X，我们会将测试数据包含到分词器中，但我已经多次看到这个错误！
正确的是只适合 X_train，因为你不知道“你未来的数据”所以你不能使用 X_test 数据来拟合任何东西！
然后你可以转换你的测试数据，但是分开，这就是为什么有不同的方法。
最后提示：X_train_transformed = model.fit_transform(X_train) 相当于：
X_train_transformed = model.fit(X_train).transform(X_train)，不过第一个更快。
请注意，我所说的“模型”通常是缩放器、tfidf 转换器、其他类型的矢量化器、标记器...
记住：X 代表特征，y 代表每个样本的标签。 X 是一个数据框，y 是一个熊猫系列对象（通常）
【讨论】：
通俗地说，fit_transform 的意思是先进行一些计算，然后再进行转换（比如从一些数据中计算列的均值，然后替换缺失的值）。所以对于训练集，你需要计算和转换。
但是对于测试集，机器学习会根据在训练集中学到的内容进行预测，因此它不需要计算，它只是执行转换。
【讨论】：
当我们有两个具有不同元素的数组时，我们分别使用“拟合”和变换，我们根据其内部函数拟合“数组 1”，例如 MinMaxScaler (内部功能是求均值和标准差）。例如，如果我们根据其均值拟合“数组 1”并变换数组 2，则数组 1 的均值将应用于我们变换的数组 2。简而言之，我们将一个数组转换为另一个数组的基本内部函数。
代码演示：
import numpy as np
from sklearn.impute import SimpleImputer
imp = SimpleImputer(missing_values=np.nan, strategy='mean')
temperature = [32., np.nan, 28., np.nan, 32., np.nan, np.nan, 34., 40.]
windspeed = [ 6., 9., np.nan, 7., np.nan, np.nan, np.nan, 8., 12.]
n_arr_1 = np.array(temperature).reshape(3,3)
print('temperature:\n',n_arr_1)
n_arr_2 = np.array(windspeed).reshape(3,3)
print('windspeed:\n',n_arr_2)
输出：
temperature:
[[32. nan 28.]
[nan 32. nan]
[nan 34. 40.]]
windspeed:
[[ 6. 9. nan]
[ 7. nan nan]
[nan 8. 12.]]
fit 和 transform 分别将数组 2 转换为拟合（基于平均值）数组 1：
imp.fit(n_arr_1)
imp.transform(n_arr_2)
输出
检查下面的输出，根据前面的两个输出观察输出，你会看到差异。基本上，在数组 1 上，它取每一列的平均值，并根据丢失值的列拟合数组 2。
array([[ 6., 9., 34.],
[ 7., 33., 34.],
[32., 8., 12.]])
当我们想要基于另一个数组转换一个数组时，我们会这样做。但是当我们有一个数组并且我们想根据它自己的平均值对其进行转换时。在这种情况下，我们一起使用 fit_transform。
见下文；
imp.fit_transform(n_arr_2)
输出
array([[ 6. , 9. , 12. ],
[ 7. , 8.5, 12. ],
[ 6.5, 8. , 12. ]])
（上）我们做的交替：
imp.fit(n_arr_2)
imp.transform(n_arr_2)
输出
array([[ 6. , 9. , 12. ],
[ 7. , 8.5, 12. ],
[ 6.5, 8. , 12. ]])
为什么我们分别对同一个数组进行拟合和变换，需要两行代码，为什么不使用简单的 fit_transform ，它可以在一行代码中拟合和变换同一个数组。这就是 fit 和 transform 和 fit_transform 之间的区别。
【讨论】：
以下答案适用于任何类型的 sklearn 相关库。在了解fit_transform之前，先看看fit方法是什么：
fit(X) - 通过提取第一个主成分来拟合模型与 X。
fit_transform(X) - 用 X 拟合模型并在 X 上应用降维。
fit_transform ---> fit(x).transform(x)
transform(x) - 在 X 上应用降维。
您可以查看 sklearn 随机 PCA 文档 here 了解更多详情。
【讨论】：