Python 在sklearn.decomposition中提供的PCA中，拟合、变换和拟合_变换做什么？

我试图模仿

sklearn.decomposition

中可用的

PCA

类的行为

我已经编写了一个计算SVD的方法，但我不确定

fit（）

、

tranform（）

、和

fit\u transform（）

有什么作用，没有它们我就无法继续

我认为

fit（）

计算奇异值，可以使用

singular\u values\u

属性访问奇异值，但我不知道其余两种方法。

在中，您可以看到

fit（）

、

transform（）

和

fit\u transform（）

的一般说明：

[…]一种

fit

方法，用于学习模型参数（例如平均值和标准值 标准化偏差）和

变换
方法，该方法将此转换模型应用于看不见的数据。
fit_transform
可能更方便、更高效地进行建模和分析
同时转换训练数据

在中，您可以看到有关
fit（）
、
transform（）
和
fit\u transform（）
的一般说明：

[…]一种
fit
方法，用于学习模型参数（例如平均值和标准值
标准化偏差）和
变换
方法，该方法将此转换模型应用于看不见的数据。
fit_transform
可能更方便、更高效地进行建模和分析
同时转换训练数据

你从哪些类继承？只有
BaseEstimator
和
TransformerMixin
，还是另一个？我没有继承任何东西。我尝试只使用基本的numpy函数从头开始构建。如果您想在sklearn上下文中（在管道中，在gridsearch中…）使用估计器或转换器，您需要继承这些mixin。提供了很多关于如何自己实现部分数据管道的信息。另外，您知道sklearn吗？您从哪些类继承？只有
BaseEstimator
和
TransformerMixin
，还是另一个？我没有继承任何东西。我尝试只使用基本的numpy函数从头开始构建。如果您想在sklearn上下文中（在管道中，在gridsearch中…）使用估计器或转换器，您需要继承这些mixin。提供了很多关于如何自己实现部分数据管道的信息。另外，你知道sklearn的吗？