在scikit学习的kmeans实现中，predict（）方法有什么用？

Question

有人可以解释在scikit learning的kmeans实现中predict()方法的用途是什么？ official documentation声明其用法为：

  

预测X中每个样本所属的最近簇。

但是我也可以通过在fit_transform()方法上训练模型来获得输入集X的每个样本的簇号/标签。那么predict()方法的用途是什么？是否应该为看不见的数据指出最接近的簇？如果是，那么如果执行降维措施（例如SVD），如何处理新的数据点？

这里是similar question，但我仍然认为这没有帮助。

Answer 1

  

predict（）方法有什么用？是否应该为看不见的数据指出最接近的簇？

是的。

  

那么如果执行降维措施（例如SVD），如何处理新的数据点？

您将相同的降维方法应用于看不见的数据，然后将其传递到.predict()。这是典型的工作流程：

# prerequisites:
#    x_train: training data
#    x_test: "unseen" testing data
#    km: initialized `KMeans()` instance
#    dr: initialized dimensionality reduction instance (such as `TruncatedSVD()`)    

# fitting
x_dr = dr.fit_transform(x_train)
y = km.fit_predict(x_dr)  

# ...

# working with unseen data (models have been fitted before)
x_dr = dr.transform(x_test)
y = km.predict(x_dr)

# ...

实际上，诸如fit_transform和fit_predict之类的方法是为了方便起见。 y = km.fit_predict(x)等同于y = km.fit(x).predict(x)。

我认为，如果我们按如下方式编写拟合部分，则更容易看到正在发生的事情：

# fitting
dr.fit(x_train)
x_dr = dr.transform(x_train)

km.fit(x_dr)
y = km.predict(x_dr)

除了对.fit()的调用之外，模型在拟合期间和没有可见数据的情况下同样使用。

摘要：

• .fit()的目的是用数据训练模型。
• .predict()或.transform()的目的是将训练有素的模型应用于数据。
• 如果要在训练过程中拟合模型并将其应用于相同的数据，为方便起见，有.fit_predict()或.fit_transform()。
• 链接多个模型（例如降维和聚类）时，在拟合和测试过程中应以相同顺序应用它们。