sklearn.manifold.MDS没有转换方法

Question

在我制作了一个MDS对象mds并将它与mds.fit(X)相匹配之后，我想我将能够使用mds.transform(X_new)来投射新的点。我认为这是其他多个类中的API。但只有fit_transform。我从描述中猜测，fit_transform做了一些更合适的事情，我不想改变已经计算出来的投影！

编辑:等等，也许这没有道理。我多读了些书。如果我现在明白了，MDS算法是一个迭代算法，它“只是移动点”，直到应力值降低--而且实际上不允许投影。

不过，我还是有点不明白fit_transform是做什么的。这些文档说“适合X中的数据，并返回嵌入的坐标”。这和仅仅适合和服用mds.embedding_有什么区别？

Answer 1

对于一个科学学习转换器，estimator.fit_transform(X)是从总是等价的到estimator.fit(X).transform(X)，但通常实现效率更高。在这种情况下，它确实与estimator.fit(X).embedding_相同；它的存在是因为像Pipeline这样的学习类可能会调用它。

似乎在任何一个学习者身上都没有transform方法，可能是错误的；我刚刚打开了一个关于这个的问题。

Answer 2

sklearn、SpectralEnbedding和TSNE不能用于分类的特征约简。它们没有独立的transform()方法，比如KernelPCA或LocallyLinearEmbedding。如果没有transform()方法，就无法对新数据进行转换和评分。

MDS和TSNE仅用于特征集分析。典型的例子是可视化，但是它们在特征分析中的应用不仅仅是可视化。

线性可分特征集采用主成分分析( PCA )，非线性可分特征集采用非线性变压器( LLE )。