在 scikit-learn 中，一些聚类算法同时具有 predict(X) 和 fit_predict(X) 方法，如 KMeans 和 MeanShift，而其他只有后者，如 光谱聚类。根据文档：
fit_predict(X[, y]): Performs clustering on X and returns cluster labels.
predict(X): Predict the closest cluster each sample in X belongs to.
我不太明白这两者的区别，他们似乎和我一样。
【问题讨论】：
标签： python-3.x machine-learning scikit-learn
为了使用“预测”，您必须首先使用“拟合”方法。所以使用“fit()”然后使用“predict()”与使用“fit_predict()”绝对是一样的。但是，在您需要知道模型的初始化参数而不是使用“fit_predict()”的情况下，仅使用“fit()”可能会受益，在这种情况下，您只会获得运行模型的标记结果数据模型。
【讨论】：
KMeans 有一个predict 方法，但SpectralClustering 没有......我实际上无法解决这个问题......也许这是一个错误/缺失的功能？我的理解是，作为 scikit-learn API 设计的一部分，所有分类器都应该有一个 fit 和一个 predict 方法 ...
fit_predict 通常用于无监督机器学习转导估计器。
基本上，fit_predict(x) 等价于fit(x).predict(x)。
【讨论】：
fit() 会影响您的对象/模型的状态是/否？其中predict() 将使用现有模型来标记输入数据（并且不会对对象/模型进行任何更改，是/否？
在这里添加答案可能已经很晚了，只是将来有人可能会受益
我可以在 kmeans 中使用 predict 而在 dbscan 中只有 fit_predict 的原因是
在 kmeans 中，您会根据所考虑的集群数量获得质心。因此，一旦您使用 fit() 训练了数据点，您就可以将其用于 predict() 一个新的单个数据点以分配给特定的集群。
在 dbscan 中，您没有 centroids ，根据您定义的 min_samples 和 eps （被视为邻居的两点之间的最小距离），会形成集群。该算法返回所有数据点的集群标签。这种行为解释了为什么没有 predict() 方法来预测单个数据点。其他用户已经解释了 fit() 和 fit_predict() 之间的区别 -
在另一种空间聚类算法中，hdbscan 为我们提供了使用approximate_predict() 进行预测的选项。值得探索。
再次基于我探索的源代码的理解。任何专家都可以强调任何差异。
【讨论】：