"fit" sklearn 中分类器的正确语法?
Correct syntax to "fit" a classifier in sklearn?
我正在尝试以下简单示例:
from sklearn import datasets, svm
iris = datasets.load_iris()
clf = svm.SVC(random_state=0)
对于拟合,我应该使用以下语句吗:
clf = clf.fit(iris.data, iris.target)
或者只是:
clf.fit(iris.data, iris.target)
以上两种格式在不同的地方使用过,所以我很困惑。
第一种方法clf = clf(X,y).fit()
好像是正式版(见here)
我已经尝试过,发现两者似乎都有效,但我可能遗漏了一些要点。
它们的性能相同。 fit()
函数修改估计器的状态,returns 它。它被用来让你可以写一个 one-liner 例如:
clf = svm.SVC(random_state=0).fit(iris.data, iris.target)
我正在尝试以下简单示例:
from sklearn import datasets, svm
iris = datasets.load_iris()
clf = svm.SVC(random_state=0)
对于拟合,我应该使用以下语句吗:
clf = clf.fit(iris.data, iris.target)
或者只是:
clf.fit(iris.data, iris.target)
以上两种格式在不同的地方使用过,所以我很困惑。
第一种方法clf = clf(X,y).fit()
好像是正式版(见here)
我已经尝试过,发现两者似乎都有效,但我可能遗漏了一些要点。
它们的性能相同。 fit()
函数修改估计器的状态,returns 它。它被用来让你可以写一个 one-liner 例如:
clf = svm.SVC(random_state=0).fit(iris.data, iris.target)