Python fit（）和fit_predict（）在光谱聚类中有什么区别

我试图理解并使用来自的。 假设我们有X矩阵输入，我们创建了一个光谱聚类对象，如下所示：

clustering = SpectralClustering(n_clusters=2,
         assign_labels="discretize",
         random_state=0)

然后，我们使用光谱簇对象调用fit_预测

clusters =  clustering.fit_predict(X)

让我困惑的是，“使用所选关联创建X的关联矩阵”是何时创建的？因为根据文件 fit_predict（）方法“在X上执行聚类并返回聚类标签”。但它没有明确说明它在聚类之前还计算“使用选定的关联性计算X的关联矩阵”

---

我非常感谢任何帮助或提示。

查看

fit\u predict（）

这似乎只是一个方便的方法-它实际上只是调用

fit（）

并从对象返回标签。

正如另一个答案中已经暗示的那样，

fit\u predict

只是一个方便的方法，以便返回集群标签。根据，

fit

使用选定的亲和性为X创建亲和性矩阵，然后将光谱聚类应用于该亲和性矩阵

而

fit\u predict

在X上执行群集并返回群集标签

这里，在X上执行聚类应该理解为

fit

的描述，即创建亲和矩阵[…]

不难验证调用

fit\u predict

等同于从

fit

之后的对象获取

labels\u

属性；使用一些虚拟数据，我们得到

from sklearn.cluster import SpectralClustering
import numpy as np

X = np.array([[1, 2], [1, 4], [10, 0],
               [10, 2], [10, 4], [1, 0]])

# 1st way - use fit and get the labels_
clustering = SpectralClustering(n_clusters=2,
     assign_labels="discretize",
     random_state=0)

clustering.fit(X)
clustering.labels_
# array([1, 1, 0, 0, 0, 1])

# 2nd way - using fit_predict
clustering2 = SpectralClustering(n_clusters=2,
     assign_labels="discretize",
     random_state=0)

clustering2.fit_predict(X)
# array([1, 1, 0, 0, 0, 1])

np.array_equal(clustering.labels_, clustering2.fit_predict(X))
# True

---

使用来源，卢克！检查thd

fit\u predict

方法的功能非常容易…@Anony Mousse我认为这个问题不应该得到负面分数。