In Scikit-Learn haben einige Clustering-Algorithmen sowohl predict(X) und fit_predict(X) Methoden, wie KMeans und Mean-Shift, während andere nur die letztere haben, wie SpectralClustering. Nach dem Dokument:Scikit-Learn-Clustering: Vorhersagen (X) vs. fit_predict (X)
Ich verstehe nicht wirklich den Unterschied zwischen den beiden, sie scheinen mir gleichwertig.
Um "vorherzusagen" verwenden zu können, müssen Sie zuerst die "Fit" -Methode verwenden. Die Verwendung von 'fit()' und dann 'previous()' ist definitiv dasselbe wie die Verwendung von 'fit_predict()'. Es könnte jedoch von Vorteil sein, in solchen Fällen, in denen Sie die Initialisierungsparameter Ihrer Modelle kennen müssen, nur 'fit()' zu verwenden, anstatt 'fit_predict()' zu verwenden, wo Sie gerade die Beschriftungsergebnisse erhalten auf den Daten.
Dies beantwortet nicht ganz die Frage. Sie fragen: "Warum hat KMeans eine" Vorhersage "-Methode, aber' SpectralClustering' nicht ... und ich kann die Antwort darauf nicht herausfinden ... vielleicht ist es ein Fehler/fehlende Funktion? Mein Verständnis ist, dass als Teil des scikit-learn-API-Designs alle Klassifikatoren eine "fit" - und eine "predicate" -Methode haben sollten ... – maxymoo
Ja, du hast recht, meine Antwort war eher "Ich tue es nicht wirklich verstehe den Unterschied zwischen den beiden, sie scheinen mir gleich zu sein. Teil. – Oer