sklearn：你需要为每组数据创建一个新的转换器实例吗？

Question

我是数据科学和 scikit-learn 的新手，所以如果这是一个基本问题，我深表歉意。当我们想在新数据集上训练时，是否需要创建 sklearn 类的新实例？例如，我目前正在做：transformer = PowerTransformer()transformed1 = transformer.fit_transform(data1.to_numpy())transformer = PowerTransformer()transformed2 = transformer.fit_transform(data2.to_numpy()) ...我要转换多组数据以便运行KNNImputer（再次使用这种重复声明方法）。我读到该.fit方法在内部存储它用于适应传入数据的 lambda，但是存储的 lambda 是否会在每次调用时被覆盖，.fit或者它们是否会受到适合新数据的影响？这样做是错误的吗：transformer = PowerTransformer()transformed1 = transformer.fit_transform(data1.to_numpy())transformed2 = transformer.fit_transform(data2.to_numpy())...先感谢您！

Answer 1

不，那不会错，在这两种情况下，您首先要适应数据而不是转换数据。每次使用 fit 时，它都会覆盖现有的。这是一个例子：

a = np.array([[1, 3], 

              [np.nan, 2], 

              [5, 9]])

c = np.array([[3, 4], 

              [6, 12], 

              [8, np.nan]])

imp = SimpleImputer(strategy="mean")

a1 = imp.fit_transform(a)

c1 = imp.fit_transform(c)

现在让我们看看输出：

a1: array([[1., 3.],

           [3., 2.],

           [5., 9.]])

c1: array([[ 3.,  4.],

           [ 6., 12.],

           [ 8.,  8.]])

取两列的平均值（如 sklearn doc. 所说）并估算平均值。这在 KNNImputer 中也应该同样有效。