sklearn KMeans 中的 fit() 与 fit_predict() 方法

Question

我们在

sklearn.cluster.KMeans

上制作模型有两种方法。第一个是

fit()

，另一个是

fit_predict()

。我的理解是，当我们在

fit()

模型上使用

KMeans

方法时，它给出了一个属性

labels_

，它基本上保存了哪个观察属于哪个集群的信息。

fit_predict()

还具有

labels_

属性。

所以我的问题是，

1. 如果

   fit()

   满足需求，那么为什么他们是

   fit_predict()

   ？
2. 编写代码时，

   fit()

   和

   fit_predict()

   可以互换吗？

Answer 1

KMeans

只是

sklearn

拥有的众多模型之一，并且许多模型共享相同的 API。基本功能是

fit

，它使用示例来教授模型，以及

predict

，它使用

fit

获得的知识来回答有关潜在新值的问题。

KMeans

将在训练期间自动预测所有输入数据的聚类，因为这样做是算法不可或缺的一部分。它保留它们以提高效率，因为预测原始数据集的标签非常常见。因此，

fit_predict

添加很少：它调用

fit

，然后返回

.labels_

。

fit_predict

只是一个调用

fit

的便捷方法，然后返回训练数据集的标签。 （

fit_predict

没有

labels_

属性，它只是为您提供标签。）

但是，如果您想在一组数据上训练模型，然后使用它来快速（并且不更改已建立的集群边界）获得原始数据中不存在的数据点的答案，您将需要使用

predict

，不是

fit_predict

。

在其他模型中（例如

sklearn.neural_network.MLPClassifier

），训练可能是一项非常昂贵的操作，因此您可能不希望每次想要预测某些内容时都重新训练模型；另外，预测结果也不一定是作为预测的一部分而生成的。或者，如上所述，您只是不想更改模型来响应新数据。在这些情况下，您无法从

fit

的结果中获得预测：您需要使用要获得预测的数据调用

predict

。

另请注意，

labels_

标有下划线，这是Python约定“不要碰这个，它是私有的”（在没有实际访问控制的情况下）。只要有可能，您应该使用已建立的 API。

Answer 2

在 scikit-learn 中，还有

fit

和

fit_transform

等类似的东西。

Fit

和

predict

或

labels_

对于聚类至关重要。
因此

fit_predict

只是高效的代码，其结果与拟合和预测（或标签）的结果相同。

此外，在确定样本的聚类标签时，拟合的聚类模型仅使用一次。