我什么时候必须使用 scikit learn 的 fit 方法？答案

【问题标题】：When do i have to use the fit method of scikit learn?我什么时候必须使用 scikit learn 的 fit 方法？
【发布时间】：2017-03-22 10:44:58
【问题描述】：

我不明白什么时候必须使用 scikit learn 的 fit 方法。

在此网页中：http://machinelearningmastery.com/automate-machine-learning-workflows-pipelines-python-scikit-learn/ 有一个管道 + StandardScaler 的例子。不使用fit方法。

但在另一个：http://scikit-learn.org/stable/auto_examples/svm/plot_rbf_parameters.html 还有一个StandardScaler，还有一个fit方法。

这是我的代码：Pipeline+Robustscaler：

result_list = []

for name in ["AWA","Rem","S1","S2","SWS","SX", "ALL"]: 
    x=sio.loadmat('/home/{}_E.mat'.format(name))['x'] 
    s_y=sio.loadmat('/home/{}_E.mat'.format(name))['y']
    y=np.ravel(s_y)

    print(name, x.shape, y.shape) 
    print("")

    #Create a pipeline
    clf = make_pipeline(preprocessing.RobustScaler(), SVC(cache_size=1000, kernel='rbf'))


    ###################10x20 SSS##################################
    print("10x20")
    xSSSmean20 = []
    for i in range(10):
        sss= StratifiedShuffleSplit(y, 20, test_size=0.1, random_state=i)
        scoresSSS=cross_validation.cross_val_score(clf, x, y, cv=sss)

        xSSSmean20.append(scoresSSS.mean()) 

     result_list.append(xSSSmean20)

     print("")

【问题讨论】：

为什么这是一个不好的问题？
因为The fit method is not used. 是错误的说法。用于cross_val_score
好的。谢谢你。我不知道。

标签： python-3.x scikit-learn svm

【解决方案1】：

要训练您的分类器，您必须将其放入您的训练数据集中。

第一个链接也这样做，并不是因为它没有明确出现在 sn-p 中，所以它没有这样做：

cross_val_score 方法使用 model，这是将其拟合与数据的估计器。

查看方法“cross_val_score”的实现，并尝试了解它是如何工作的，而不是在不了解它的作用的情况下使用它。

Here是函数的文档，here是GitHub中的实现参考。

忠告：

当您不理解某些内容时，请尝试深入研究代码。你会学到很多东西！

【讨论】：