scikit learn的kmeans实现中predict()方法的用途是什么？

Question

有人能解释一下predict()方法在scikit learn的kmeans实现中有什么用吗？ official documentation 声明其用途为：

预测 X 中每个样本所属的最近聚类。

但我也可以通过在fit_transform() 方法上训练模型来获得输入集 X 的每个样本的簇号/标签。那么predict()方法有什么用呢？是否应该为看不见的数据指出最近的集群？如果是，那么如果您执行 SVD 等降维措施，您将如何处理新数据点？

这是一个similar question，但我仍然认为它没有帮助。

Answer 1

predict() 方法有什么用？是否应该为看不见的数据指出最近的集群？

是的，没错。

那么如果你执行SVD等降维措施，你如何处理一个新的数据点？

在将看不见的数据传递给.predict() 之前，您对它应用相同的降维方法。这是一个典型的工作流程：

# prerequisites:
#    x_train: training data
#    x_test: "unseen" testing data
#    km: initialized `KMeans()` instance
#    dr: initialized dimensionality reduction instance (such as `TruncatedSVD()`)    

# fitting
x_dr = dr.fit_transform(x_train)
y = km.fit_predict(x_dr)  

# ...

# working with unseen data (models have been fitted before)
x_dr = dr.transform(x_test)
y = km.predict(x_dr)

# ...

其实fit_transform和fit_predict等方法是为了方便。 y = km.fit_predict(x) 等价于y = km.fit(x).predict(x)。

我认为，如果我们将拟合部分编写如下，更容易看出发生了什么：

# fitting
dr.fit(x_train)
x_dr = dr.transform(x_train)

km.fit(x_dr)
y = km.predict(x_dr)

除了对.fit() 的调用之外，模型在拟合过程中使用的模型和未见过的数据均相同。

总结：

• .fit() 的目的是用数据训练模型。
• .predict() 或 .transform() 的目的是将经过训练的模型应用于数据。
• 如果您想拟合模型并将其应用于训练期间的相同数据，则为方便起见，有.fit_predict() 或.fit_transform()。
• 链接多个模型（例如降维和聚类）时，在拟合和测试期间以相同的顺序应用它们。