sklearn的转换()和预测()方法有什么区别？
提问于 2020-06-09 07:26:21
到目前为止，我所理解的是transform()给出的值在质量上类似于X(您的特性)，而predict()给出的值在质量上类似于y(您的标签)。但我想要澄清的是，为什么只有几个类同时拥有这些方法，例如KMeans、PLSRegression等等。
为什么要么将这两个方法放在每个类中，要么不让这两个方法发生在同一个类中？例如，如果KMeans需要一个返回欧氏点的方法，为什么不让它有一个单独的方法呢？为实现此功能而实现transform()，我认为消除了这两种方法之间的明显区别。类似地，在PLSRegression中，我无法理解这两种方法之间的区别。
回答 1
Data Science用户
回答已采纳
发布于 2021-01-27 07:34:10
偏最小二乘回归是一种监督学习技术，它也进行维数约简。PLSRegression类需要transform和predict接口来正确地实现偏最小二乘回归的行为。transform方法是降维的接口。predict方法是从经过训练的回归模型中生成目标的接口。
在scikit中，并不是所有的估计器都同时进行特性操作和预测(通常是针对对象)，因此并不是所有的类都有转换和预测接口。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/75726
复制
腾讯云开发者
