datasets - sklearn python install

¿Cuál es la diferencia entre ''transformar'' y ''ajustar_transformar'' en sklearn

Question

En la caja de herramientas de sklearn-python, hay dos funciones transform y fit_transform sobre sklearn.decomposition.RandomizedPCA . La descripción de dos funciones es la siguiente

Pero, ¿cuál es la diferencia entre ellos?

Answer 1

Aquí la diferencia puede usar pca.transform solo si ya ha calculado PCA en una matriz

   In [12]: pc2 = RandomizedPCA(n_components=3)

    In [13]: pc2.transform(X) # can''t transform because it does not know how to do it.
    ---------------------------------------------------------------------------
    AttributeError                            Traceback (most recent call last)
    <ipython-input-13-e3b6b8ea2aff> in <module>()
    ----> 1 pc2.transform(X)

    /usr/local/lib/python3.4/dist-packages/sklearn/decomposition/pca.py in transform(self, X, y)
        714         # XXX remove scipy.sparse support here in 0.16
        715         X = atleast2d_or_csr(X)
    --> 716         if self.mean_ is not None:
        717             X = X - self.mean_
        718 

    AttributeError: ''RandomizedPCA'' object has no attribute ''mean_''

    In [14]: pc2.ftransform(X) 
    pc2.fit            pc2.fit_transform  

    In [14]: pc2.fit_transform(X)
    Out[14]: 
    array([[-1.38340578, -0.2935787 ],
           [-2.22189802,  0.25133484],
           [-3.6053038 , -0.04224385],
           [ 1.38340578,  0.2935787 ],
           [ 2.22189802, -0.25133484],
           [ 3.6053038 ,  0.04224385]])

si quieres usar .transform necesitas enseñar la regla de transformación a tu pca

In [20]: pca = RandomizedPCA(n_components=3)

In [21]: pca.fit(X)
Out[21]: 
RandomizedPCA(copy=True, iterated_power=3, n_components=3, random_state=None,
       whiten=False)

In [22]: pca.transform(z)
Out[22]: 
array([[ 2.76681156,  0.58715739],
       [ 1.92831932,  1.13207093],
       [ 0.54491354,  0.83849224],
       [ 5.53362311,  1.17431479],
       [ 6.37211535,  0.62940125],
       [ 7.75552113,  0.92297994]])

In [23]: 

En particular, la transformada PCA aplica el cambio de base obtenido con la descomposición de PCA de la matriz X a la matriz Z.

Answer 2

En scikit-learn estimator api ,

fit() : se utiliza para generar parámetros del modelo de aprendizaje a partir de datos de entrenamiento

transform() : parámetros generados a partir del método fit() , aplicado al modelo para generar el conjunto de datos transformados.

fit_transform() : combinación de fit() y transform() api en el mismo conjunto de datos

Consulte el capítulo 4 de este book y la respuesta de stackexchange para obtener más claridad

Answer 3

Estos métodos se usan para centrar / escalar los datos dados. Básicamente ayuda a normalizar los datos dentro de un rango particular

Para esto, usamos el método Z-score.

Hacemos esto en el conjunto de datos de entrenamiento.

1. Fit (): Method calcula los parámetros μ y σ y los guarda como objetos internos.

2. Transform (): el método que usa estos parámetros calculados aplica la transformación a un conjunto de datos particular.

3. Fit_transform (): une el método fit () y transform () para la transformación del conjunto de datos.

Fragmento de código para Escalado de funciones / Normalización (después de train_test_split).

from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
sc.fit_tranform(X_train)
sc.tranform(X_test)

Aplicamos el mismo (conjunto de entrenamiento de los mismos dos parámetros μ y σ (valores)) transformación de parámetros en nuestro conjunto de pruebas.