sklearn中的transformer和estimator有什么区别？

Question

我看到sklearn 文档中提到了Transformer和estimator。

这两个词有什么区别吗？

Answer 1

基本的区别在于：

• TransformerX以某种方式转换输入数据 ( )。
• Estimatory使用输入数据 ( X)预测一个新值 (或多个值) ( )。

两者Transformer并Estimator应具有fit()可用于训练他们的方法（它们学习数据的某些特性）。签名是：

fit(X, y)

fit() 不返回任何值，只是将学习到的数据存储在对象中。

这里X代表样本（特征向量），y是目标向量（每个对应样本可能有一个或多个值X）。请注意，y在某些不需要它的转换器中可以是可选的，但对于大多数估计器（监督估计器）来说它是强制性的。看看StandardScaler例子。它需要初始数据X来查找数据的均值和标准差（它学习 的特征X，y不需要）。

每个都Transformer应该有一个transform(X, y)函数，它fit()接收输入X并返回一个新的转换版本X（通常应该具有相同数量的样本，但可能具有或可能不具有相同的特征）。

另一方面，Estimator应该有一个predict(X)方法应该y从给定的输出预测值X。

scikit-learn 中将有一些类同时实现transform()和predict()，例如KMeans，在这种情况下，仔细阅读文档应该可以解决您的疑虑。