scikit-learn中的“适合”方法有什么作用？
您能否解释一下scikit-learn中的“ fit”方法是什么？为什么有用？
我是机器学习和scikit学习的新手。
问题答案：
简而言之 ： 适应 等于 训练 。然后，在对其进行训练之后，通常可以通过.predict()方法调用将模型用于进行预测。
详细说明
：使模型适合.fit()训练数据（即使用方法）实质上是建模过程中的训练部分。它找到通过使用的算法指定的方程式的系数）。
然后，对于分类器，您可以使用方法对传入的数据点（来自测试集或其他方式）进行分类predict。或者，在回归的情况下，您的模型将predict在输入数据点上使用时进行插值/插值。
还应注意，有时“适合”命名法用于非机器学习方法，例如缩放器和其他预处理步骤。在这种情况下，就像在最小-最大缩放器，TF-
IDF或其他转换的情况下一样，您只是在数据上“应用”了指定的函数。
注意：以下是一些参考…
-
scikit-learn 是一个 Python 的机器学习项目。是一个简单高效的数据挖掘和数据分析工具。基于 NumPy、SciPy 和 matplotlib 构建。 Installation 依赖 scikit-learn 要求: Python (>= 2.7 or >= 3.3) NumPy (>= 1.8.2) SciPy (>= 0.13.3) 运行示例需要 Matplotlib >= 1
-
有人能解释一下（也许用例子）scikit learn中OneVsRestClassifier和MultiOutputClassifier的区别吗？ 我已经阅读了文档，并了解我们使用： OneVsRestClassifier——当我们想要进行多类或多标签分类时，它的策略包括为每个类安装一个分类器。对于每个分类器，该类与所有其他类相匹配。（这非常清楚，这意味着多类/多标签分类问题被分解为多个二进制分类
-
Introduction to Machine Learning with scikit-learn This video series will teach you how to solve Machine Learning problems using Python's popular scikit-learn library. There are 10 video tutorials tot
-
问题内容： 我试图在Linux Mint 12上安装scikit-learn，但失败了。我从http://pypi.python.org/pypi/scikit- learn/ 下载了该软件包并安装了 然后，我将目录更改为home并启动python2.7 shell。在导入sklearn时，我得到了： 我认为问题出在scipy的空间。这是因为当我做 我得到与Scikit学习相同的错误。 请帮忙。谢
-
问题内容： 我很难理解scikit-learn的Logistic回归中的参数如何运行。 情况 我想使用逻辑回归对非常不平衡的数据集进行二进制分类。这些类别分别标记为0（负）和1（正），并且观察到的数据的比率约为19：1，大多数样本的结果均为负。 第一次尝试：手动准备训练数据 我将我拥有的数据分为不相交的数据集进行训练和测试（大约80/20）。然后，我手工对训练数据进行了随机采样，得到的训练数据比例
-
你可以使用 Keras 的 Sequential 模型（仅限单一输入）作为 Scikit-Learn 工作流程的一部分，通过在此找到的包装器: keras.wrappers.scikit_learn.py。 有两个封装器可用: keras.wrappers.scikit_learn.KerasClassifier(build_fn=None, **sk_params), 这实现了Scikit-Le