二次特征：使用fit_transform进行预处理

Question

以下示例是用Python编写的，取自本书Mastering Machine Learning。

任务概述：

• 训练数据存储在列向量 X_train （要素）和 y_train （响应变量）
中
• 用于测试目的的数据分别存储在 X_test 和 y_test
中
• 现在使用多项式回归（在这种情况下为二次方）
将模型拟合到训练数据

作者的方法（排除导入和数据初始化）：

quad_featurizer = PolynomialFeatures(degree=2)
X_train_quad = quad_featurizer.fit_transform(X_train)
X_test_quad = quad_featurizer.transform(X_test)

regressor_quad = LinearRegression()
regressor_quad.fit(X_train_quad, y_train)

作者没有对代码发表评论或者更多地介绍了所使用的方法。由于scikit-learn API也无法给我一个满意的答案，我想问你。

为什么我会使用 fit_transform 而不仅仅是转换来预处理训练数据？我的意思是实际的拟合是用 regressor_quad 对象，所以 fit_transform 是多余的，不是吗？

Answer 1

必须根据您的特定数据集调整scikit的这些特征，然后才能将其转换为新的特征向量。 fit()执行此调整。因此，您需要先通过fit()同时拨打transform()然后再fit_transform()，或两者同时。

在您的示例中，PolynomialFeatures用于将您的训练数据投影到新的更高维空间。因此，向量(3, 6)将变为(1, 3, 6, 3*3, 3*6, 6*6)。在fit() PolynomialFeatures中了解训练向量的大小，在transform()中，它会从旧训练向量中创建新的训练向量。因此X_train_quad是一个新的矩阵，其形状与X_train不同。之后使用X_test完成相同操作，但PolynomialFeatures已知道您的向量的大小，因此它不必再次为fit()。然后，LinearRegression会根据X_train_quad方法对您的新培训数据（fit()）进行培训，该方法与PolynomialFeatures完全分开，因此其fit()不会与fit()的{​​{1}}确实有任何关系。