Python 是否有理由只使用.fit（）和.transform（）而不使用.fit_transform（）？

我刚开始学习ML，想知道当

.fit\u transform（）

存在时，为什么要分别做

.fit（）

和

.transform（）

。另外，我通常对fitting/

.fit（）

的确切功能感到困惑

我假设您所谈论的是sklearn的定标器或sklearn的特征转换算法

假设您的数据集被拆分为5个子集，您希望在-1和1之间缩放每个子集：

• 您可以使用

  fit

  在每个子集合上拟合缩放器，这基本上搜索所有集合的最大值和最小值
• 然后，您可以使用

  transform

如果您在第一个子集上使用了

fit\u transform

，然后在第二个子集上使用它，它的缩放方式会有所不同，您不希望这样

---

此外，您可以考虑在训练集中拟合一次，而不是子集，并在内存中保留变换，以缩放将来要传递给模型的样本。

也许您想用相同的拟合变换器对多个数据集进行

变换。@timgeb这到底意味着什么/您能举个例子吗？