Scikit learn MeanShift`fit`vs`fit_predict`scikitlearn

假设

X

是一个典型形式的数组。给定代码

---

从sklearn.cluster导入MeanShift
ms=MeanShift（bin\u种子设定=True，cluster\u all=False）
菲特女士（X）

---

一旦我这样做，

ms

有两个属性：

标签和
集群中心。所以我的第一个问题是。。。。
ms.fit\u predict（X）
或
ms.predict（X）
的意义是什么，因为我们已经有了一个X的分类，我们可以从
标签中读取它？
主要的区别是当你说，
ms.fit（X）
，
X
是你的标签数据集/火车数据集。说到
ms.fit\u predict（X'）
，
X'
是您的未标记/测试数据集。即，您正在使用
fit\u predict
对未标记的数据集进行预测。
i、 e，
fit（X）
执行聚类，而，
fit\u predict
为您提供聚类标签。在
sklearn.cluster.mean\u shift\u MeanShift
对象上，没有比ms.predict（X）
更好的了。
另请参见下面的目录（ms）

>帮助（ms.fit）
模块sklearn.cluster.mean\u shift\中的方法匹配帮助：
sklearn.cluster.mean\u shift\u MeanShift实例的fit（self，X）方法
执行群集。
参数
-----------
X：类似数组，形状=[n_样本，n_特征]
样本聚类。
>>>帮助（fit_女士）
模块sklearn.base中关于方法拟合和预测的帮助：
sklearn.cluster.mean\u shift\uu.MeanShift实例的fit_predict（self，X，y=None）方法
在X上执行群集并返回群集标签。
参数
----------
X:n阵列，形状（n_样本，n_特征）
输入数据。
退换商品
-------
y:ndarray，形状（n_样本）
簇标签
主任（ms）
“UUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUU u'、uuu str_uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu“，”min_bin_freq“，”seeds“，”set_params“]

如果
ms
的属性为
\u标签
和
\u聚类中心
，使用
X
数据，则可以使用标准的mis分类惩罚技术估计模型的优度。您无法再使用
fit\u predict
进行评估，因为您将只获得标签，而不会获得群集中心。因此，由您自行设计群集中心，具体取决于您的优度标准。
来自sklearn.cluster import MeanShift ms=MeanShift（）dir（ms）输出：['class'，'delattr'，'dict'，'doc'，'format'，'getattribute'，'hash'，'init'，'module'，'new'，'reduce'，'reduce_ex'，'repr'，'setattr'，'sizeof'，'str'，'subclass hook'，'weakref'，'get_param name'，'bandwidth'，'bin_seeding'，'cluster_all'，'fit'，'fit__predict'，'get_params'，'min_bin_freq'，'seed'，'set_参数']你看到上面的“predict”了吗？我们导入的是相同的模块吗？我正在运行scikit 15.2。从sklearn.cluster import meanshift我在“0.14.1”上，但在任何情况下，你都可以看到predict使用相同的结构做了什么。因为我没有它，所以我无法区分两者之间的区别。该死的，谢谢你。我觉得我看到
.labels\uUc很有趣ode>和
.cluster\u居中
即使在
ms.fit（）之后
，所以我看不出
ms.fit\u（）的原因
。进行升级！Hey只是想添加，有时最新的升级可能不可取，特别是如果您使用大量开源软件包，因为其中一些可能需要升级下游软件包。如果它们是beta/dev，则最好（通常通过pip_需求文件进行处理-保持生产机器的整洁和可重复生产。