Scikit learn sklearn.manifold.MDS没有转换方法

在我制作了一个MDS对象

MDS

，并将其与

MDS.fit（X）

配合后，我想我可以使用

MDS.transform（X\u new）

投射新的点。我认为这是其他流形类中的API。但是只有

fit\u变换

。从描述中我猜，

fit\u transform

进行了更多的拟合，我不想更改已经计算过的投影

等等，也许这没什么意义。我又读了一些书。如果我现在理解正确的话，MDS算法是一种迭代算法，“只是移动点”，直到应力值变低——实际上不允许投影

---

但是，我仍然对

fit\u transform

的作用有点困惑。文档说“拟合X的数据，并返回嵌入的坐标”。这与仅仅拟合和采用

mds.embedded有何不同？
对于scikit学习转换器，
estimator.fit\u transform（X）
是到
estimator.fit（X）.transform（X）
，但通常实现得更有效。在这种情况下，它确实与
estimator.fit（X）.embedding_uu
相同；它之所以存在，是因为scikit学习类，如
Pipeline
可能会调用它

似乎在任何流形学习者身上都没有
转换
方法，可能是错误的；我刚刚打开了一个关于这一点的文档。
sklearn MDS、SpectralEnbedding和TSNE不能用于分类的特征缩减。它们没有独立的transform（）方法，如KernelPCA或locallylinerembedding。如果没有transform（）方法，就无法转换和评分新数据

MDS和TSNE仅用于特征集分析。典型的示例用于可视化，但它们在特征分析中的应用不仅仅限于可视化

对线性可分离的特征集使用PCA，对非线性可分离的特征集使用非线性变换器，如LLE。
谢谢larsmans。我想我在你编辑之前读了你的回复。我将加入Github。