scikit-learn聚类：predict(X)与fit_predict(X)的区别

Question

在scikit-learn中，一些聚类算法有predict(X)和fit_predict(X)方法，例如KMeans和MeanShift，而其他一些算法只有后者，例如SpectralClustering。根据文档：

fit_predict(X[, y]):    Performs clustering on X and returns cluster labels.
predict(X): Predict the closest cluster each sample in X belongs to.

我其实不太明白这两者之间的区别，它们对我来说似乎是等价的。

- student1

---

预测函数predict返回的结果与kmeans.labels_相同还是更准确？ - Jack

Answer 1

为了使用“predict”方法，您必须先使用“fit”方法。因此，使用“fit（）”然后再使用“predict（）”与使用“fit_predict（）”完全相同。但是，在某些情况下，仅使用“fit（）”可能更加有益，例如需要了解模型的初始化参数，而不是如果您使用“fit_predict（）”，您将只获取在数据上运行模型的标签结果。

- Oer

---

这并没有完全回答问题。他们的问题是“为什么KMeans有一个predict方法，但SpectralClustering没有……我实际上无法找出答案……也许这是一个错误/缺失的功能？我理解的是作为scikit-learn的API设计的一部分，所有分类器都应该有一个fit和一个predict方法... - maxymoo

是的，你说得对。我的回答更加倾向于“我不太明白它们之间的区别，它们对我来说似乎是等价的”的部分。 - Oer

那么...我们对@maxymoo的问题有回答吗？ - MattS

这并没有回答问题。 - PeterBe

Answer 2

fit_predict通常用于无监督机器学习的传导估计器。

基本上，fit_predict(x)等价于fit(x).predict(x)。

- jayesh

---

从计算机科学的角度来看，fit() 方法会影响你的对象/模型的状态，是/否？而 predict() 方法将使用现有的模型对输入数据进行标记（不会对对象/模型进行任何更改），是/否？ - Trevor Boyd Smith

Answer 3

可能现在回答有点晚了，但希望能对未来的某些人有所帮助。

我认为kmeans中有predict方法而dbscan只有fit_predict方法的原因是：

• 在kmeans中，你根据考虑到的簇数得到质心。因此，一旦你使用fit()训练了数据点，就可以使用predict()方法将新的单个数据点分配到特定的簇中。

• 在dbscan中，没有质心，基于min_samples和eps（被视为邻居的两个点之间的最小距离）定义聚类。该算法返回所有数据点的聚类标签。这种行为解释了为什么没有predict()方法来预测单个数据点。其他用户已经解释了fit()和fit_predict()之间的区别。

在另一个空间聚类算法hdbscan中，我们可以使用approximate_predict()进行预测。值得探索一下。

这是我根据我所探索的源代码得出的理解。任何专家都可以指出任何差异。

- skanagasabap