Python 3.x 什么时候我必须使用scikit学习的fit方法？

我不明白什么时候我必须使用scikit学习的fit方法

在此网页中： 这里有一个使用pipeline+StandardScaler的示例。未使用拟合方法

但在另一个例子中： 还有一个StandardScaler和一个fit方法

这是我的代码：管道+Robustscaler:

result_list = []

for name in ["AWA","Rem","S1","S2","SWS","SX", "ALL"]: 
    x=sio.loadmat('/home/{}_E.mat'.format(name))['x'] 
    s_y=sio.loadmat('/home/{}_E.mat'.format(name))['y']
    y=np.ravel(s_y)

    print(name, x.shape, y.shape) 
    print("")

    #Create a pipeline
    clf = make_pipeline(preprocessing.RobustScaler(), SVC(cache_size=1000, kernel='rbf'))


    ###################10x20 SSS##################################
    print("10x20")
    xSSSmean20 = []
    for i in range(10):
        sss= StratifiedShuffleSplit(y, 20, test_size=0.1, random_state=i)
        scoresSSS=cross_validation.cross_val_score(clf, x, y, cv=sss)

        xSSSmean20.append(scoresSSS.mean()) 

     result_list.append(xSSSmean20)

     print("") 

---

若要训练您的分类器，您必须将其纳入训练数据集中

第一个链接也会这样做，但并不是因为它没有显式地出现在代码段中，所以它不会这样做：

方法

cross\u val\u score

使用

模型

，该模型是将其与数据进行拟合的估计器

看看“cross_val_score”方法的实现，尝试了解它是如何工作的，而不是在不了解它的功能的情况下使用它

是要参考的GitHub中的函数和实现的文档

忠告:

---

当你不理解某些东西时，试着去挖掘代码。你会学到很多

为什么这是一个糟糕的问题？因为没有使用拟合方法。是一个错误的陈述。它用于

cross\u val\u score

Ok。非常感谢。我不知道。