fit()和fit_predict()在SpectralClustering中有什么区别？

Question

我正在尝试理解和使用来自雪橇的雪橇。假设我们输入了X矩阵，然后创建一个谱聚类对象，如下所示：

clustering = SpectralClustering(n_clusters=2,
         assign_labels="discretize",
         random_state=0)

然后，我们使用光谱聚类对象调用fit_predict。

clusters =  clustering.fit_predict(X)

令我困惑的是，“使用所选的亲和力创建X的亲和矩阵”是什么时候？因为根据文档，fit_predict()方法‘对X执行集群并返回集群标记’。但它并没有明确指出，在聚类之前，它也会使用所选的亲和力计算“X的亲和矩阵”。

我很感谢你的帮助和建议。

Answer 1

正如另一个答案中已经暗示的那样，fit_predict只是返回集群标签的一种方便的方法。根据文档，fit

使用所选的亲和力创建X的亲和矩阵，然后将谱聚类应用于此亲和矩阵。

而fit_predict

对X执行群集并返回群集标签。

在这里，对X的执行聚类应该理解为对fit的描述，即创建一个亲和矩阵.

不难验证，调用fit_predict等同于在fit之后从对象获取labels_属性；使用一些虚拟数据，我们拥有

from sklearn.cluster import SpectralClustering
import numpy as np

X = np.array([[1, 2], [1, 4], [10, 0],
               [10, 2], [10, 4], [1, 0]])

# 1st way - use fit and get the labels_
clustering = SpectralClustering(n_clusters=2,
     assign_labels="discretize",
     random_state=0)

clustering.fit(X)
clustering.labels_
# array([1, 1, 0, 0, 0, 1])

# 2nd way - using fit_predict
clustering2 = SpectralClustering(n_clusters=2,
     assign_labels="discretize",
     random_state=0)

clustering2.fit_predict(X)
# array([1, 1, 0, 0, 0, 1])

np.array_equal(clustering.labels_, clustering2.fit_predict(X))
# True

Answer 2

从源代码 of fit_predict()的角度来看，它似乎只是一种方便的方法--它实际上只是调用fit()并从对象返回标签。