Fatal编程技术网
  • scikit-learn/
  • Scikit learn sklearn中变压器和估计器的区别是什么？

Scikit learn sklearn中变压器和估计器的区别是什么？

scikit-learn

Scikit learn sklearn中变压器和估计器的区别是什么？,scikit-learn,Scikit Learn,我看到sklearn文档中提到了transformer和estimator 这两个词之间有什么区别吗？基本区别是： Transformer以某种方式转换输入数据（X） 估计器使用输入数据（X）预测一个（或多个）新值（y） 变压器和估计器都应该有一个fit（）方法，可以用来训练他们（他们学习数据的一些特征）。签名为： fit(X, y) fit（）不返回任何值，只将学到的数据存储在对象中 这里，X表示样本（特征向量），y是目标向量（在X中，每个对应样本可能有一个或多个值）。请注意，y在一些变

我看到sklearn文档中提到了transformer和estimator

这两个词之间有什么区别吗？

基本区别是：

  • Transformer
    以某种方式转换输入数据（
    X
    ） 
  • 估计器
    使用输入数据（
    X
    ）预测一个（或多个）新值（
    y
    ） 
变压器
和
估计器
都应该有一个
fit（）
方法，可以用来训练他们（他们学习数据的一些特征）。签名为：

fit(X, y)

fit（）
不返回任何值，只将学到的数据存储在对象中

这里，
X
表示样本（特征向量），
y
是目标向量（在
X
中，每个对应样本可能有一个或多个值）。请注意，
y
在一些变压器中是可选的，这些变压器不需要它，但对大多数估计器（监督估计器）是强制性的。例如，请看。它需要初始数据
X
来查找数据的平均值和标准（它学习
X
的特征，不需要
y
）

每个
Transformer
都应该有一个
transform（X，y）
函数，该函数类似于
fit（）
接受输入
X
，并返回一个新的
X
转换版本（通常应该具有相同的样本数，但可能具有也可能不具有相同的特征）

另一方面，
估计器
应该有一个
predict（X）
方法，该方法应该从给定的
X
输出
y
的预测值

scikit learn中会有一些类同时实现了
transform（）
和
predict（）
，在这种情况下，仔细阅读文档可以解决您的疑问。

Transformer是一种实现
transform
方法的估计器。

让我用在sklearn实现中遇到的示例来支持这一说法

  • 类
    sklearn.preprocessing.FunctionTransformer
    ：
    • 这继承了另外两个类
    TransformerMixin
    ，
    BaseEstimator

  • 类
    sklearn.preprocessing.PowerTransformer
    ：
    • 这也继承自
    TransformerMixin
    ，
    BaseEstimator

    据我所知，估计器只是获取数据，进行一些处理，并根据其
    fit
    方法中实现的逻辑存储数据

    注意：估计器不用于直接预测值。他们甚至没有
    predict
    方法。

    在我对上述语句进行更多解释之前，让我先告诉您有关
    Mixin
    类的内容

    混合类：这些类实现了混合设计模式。维基百科对此有很好的解释。你可以看。总之，这些是您编写的类，它们的方法可以在许多不同的类中使用。因此，您可以在一个类中编写它们，然后在多个不同的类中继承它们（一种组合形式。请阅读以下链接-）

    在Sklearn中有许多mixin类。举几个例子 
    ClassifierMixin
    ，
    RegressorMixin
    ，
    transformerMin

    这里，
    TransformerMixin
    是由
    sklearn
    中使用的每个
    Transformer
    继承的类
    TransformerMixin
    类只有一种方法可在每个转换器中重用，即
    fit\u transform

    所有转换器都继承两个类，
    BaseEstimator
    （具有
    fit
    方法）和
    transformerxin
    （具有
    fit\u transform
    方法）。并且，每个变压器都有基于其功能的
    变换
    方法

    我想这就回答了你的问题。现在，让我来回答我关于预测估计量的陈述

    每个模型类都有自己的进行预测的
    predict
    类

    考虑
    线性回归
    ，
    KNeighborsClassifier
    ，或任何其他模型类。它们都有一个
    predict
    函数。这用于预测。不是估计器。

    sklearn的用法可能有点不直观，但“估计器”并不意味着任何非常具体的东西：基本上一切都是估计器

    从sklearn词汇表中：

    :

    管理模型的估计和解码的对象

    估计器必须提供一个
    fit
    方法，并且应该提供
    set_-params
    和
    get_-params
    ，尽管这些通常是通过继承
    base.BaseEstimator
    提供的

    :

    支持
    变换
    和/或
    拟合变换
    的估计器

    正如@VivekKumar的回答一样，我认为有一种倾向，即使用“估计器”这个词来表示
    sklearn
    所称的“估计器”：

    支持
    predict
    和/或
    fit\u predict
    的估计器。这包括分类器、回归器、离群点检测器和聚类器

    你的回答很有帮助。但是我仍然有一个问题：估计器=变压器+预测器吗？@blacksheep你所说的预测器是什么意思？能够做出预测的估计器那么估计器=变压器+预测器呢？伙计？@VivekKumar。。在探索sklearn代码之后，我刚刚回答了这个问题。你几乎是对的。但是，在mixin类的帮助下，并不是所有的it_transoform都得到支持。@InAFlash，是的，从代码库的角度来看，大多数估计器和转换器都是通过使用mixin
    BaseEstimator
    和
    TransformerMixin
    （我对你的答案投了赞成票）