Python 用训练数据拟合_变换,用测试数据拟合变换
正如标题所说,我正在使用Python 用训练数据拟合_变换,用测试数据拟合变换,python,scikit-learn,Python,Scikit Learn,正如标题所说,我正在使用fit_transform和CountVectorizer对训练数据进行处理。。然后我只对测试数据使用tranform。。。这是否与仅在培训中使用fit和仅在测试数据中使用tranform相同?答案是是: fit\u transform相当于fit后接transform,但实现起来更有效 fit和fit\u transform将分类器与数据集相匹配。然后,您可以使用相同的分类器转换任何其他数据集(在您的案例中是测试集)。答案是是: fit\u transform相当于fi
fit_transform
和CountVectorizer
对训练数据进行处理。。然后我只对测试数据使用tranform
。。。这是否与仅在培训中使用fit
和仅在测试数据中使用tranform
相同?答案是是:
fit\u transform
相当于fit
后接transform
,但实现起来更有效
fit
和fit\u transform
将分类器与数据集相匹配。然后,您可以使用相同的分类器转换任何其他数据集(在您的案例中是测试集)。答案是是:
fit\u transform
相当于fit
后接transform
,但实现起来更有效
fit
和fit\u transform
将分类器与数据集相匹配。然后,您可以使用相同的分类器转换任何其他数据集(在您的情况下是测试集)。如果您仅在训练中使用fit
,而在测试数据中使用transform
,则无法获得正确的结果
当对训练数据使用
fit_transform
时,这意味着机器正在从特征空间中的参数学习,并转换(缩放)训练数据。另一方面,您应该仅对测试数据使用transform
,以根据从训练数据中学习到的参数对其进行缩放 如果仅在训练中使用fit
,而在测试数据中使用transform
,则不会得到正确的结果
当对训练数据使用
fit_transform
时,这意味着机器正在从特征空间中的参数学习,并转换(缩放)训练数据。另一方面,您应该仅对测试数据使用transform
,以根据从训练数据中学习到的参数对其进行缩放 如果我正在测试训练数据本身,那么我应该使用transform
从原始训练数据生成测试特征吗?或者我应该仅仅使用fit\u transform
的结果作为训练和测试功能吗?您需要使用transform()
方法转换test\u train
如果我正在测试训练数据本身,那么我应该使用transform
从原始训练数据生成测试功能吗?或者我应该仅仅使用fit\u transform
的结果作为培训和测试功能吗?您需要使用transform()
方法转换您的test\u train