sklearn中的拟合方法

Question

我问自己关于 sklearn 中拟合方法的各种问题。

问题 1：当我这样做时：

from sklearn.decomposition import TruncatedSVD
model = TruncatedSVD()
svd_1 = model.fit(X1)
svd_2 = model.fit(X2)

在此过程中变量模型的内容是否发生变化？

问题 2：当我这样做时：

from sklearn.decomposition import TruncatedSVD
model = TruncatedSVD()
svd_1 = model.fit(X1)
svd_2 = svd_1.fit(X2)

svd_1 发生了什么？换句话说，svd_1已经被安装了，我又安装了它，那么它的组件发生了什么？

Answer 1

问题1：过程中变量模型的内容有变化吗？

是的。

fit

方法修改对象。并且它返回对该对象的引用。因此，要小心！在第一个示例中，所有三个变量

model

、

svd_1

和

svd_2

实际上都引用同一个对象。

from sklearn.decomposition import TruncatedSVD
model = TruncatedSVD()
svd_1 = model.fit(X1)
svd_2 = model.fit(X2)
print(model is svd_1 is svd_2)  # prints True

问题 2： svd_1 发生了什么？

model

和

svd_1

指的是同一个对象，因此第一个示例和第二个示例之间绝对没有区别。

最后一句话： 这两个示例中发生的情况是

fit(X1)

的结果被

fit(X2)

覆盖，正如 David Maust 在 答案中指出的那样。如果您想让两个不同的模型适合两组不同的数据，您需要执行以下操作：

svd_1 = TruncatedSVD().fit(X1)
svd_2 = TruncatedSVD().fit(X2)

Answer 2

当您通过

fit

拨打

TruncatedSVD

时。它将用新矩阵构建的组件替换这些组件。 scikit-learn 中的一些估计器和转换器（例如 IncrementalPCA）具有

partial_fit

，它将通过添加额外数据来增量构建模型。