sklearn.manifold.MDS没有变换方法

Question

在我制作MDS对象mds并使其与mds.fit(X)匹配后，我想我可以使用mds.transform(X_new)投射新点。我认为这是其他多种类的API。但只有fit_transform。我想从fit_transform做一些更合适的描述，我不想改变已经计算过的投影！

编辑：等等，也许这没有意义。我做了一些阅读。如果我现在理解正确，MDS算法是一个迭代的算法，“只是移动点”，直到应力值变低 - 并且实际上不允许投影。

但是，我对fit_transform的作用感到有些困惑。文档说“从X拟合数据，并返回嵌入的坐标”。这与仅仅适合和考虑mds.embedding_？

有何不同？

Answer 1

对于scikit-learn变换器，estimator.fit_transform(X)为always equivalent到estimator.fit(X).transform(X)，但通常更有效地实施。在这种情况下，它确实与estimator.fit(X).embedding_相同;它就在那里，因为像Pipeline这样的scikit-learn类可能会调用它。

对于任何多方学习者来说似乎没有transform方法，可能是错误的;我刚开了一个关于此事的issue。

Answer 2

sklearn MDS，SpectralEnbedding和TSNE不能用于分类的特征约简。它们没有像KernelPCA或LocallyLinearEmbedding这样的独立transform（）方法。没有transform（）方法，就无法转换和评分新数据。

MDS和TSNE仅用于特征集分析。典型示例用于可视化，但它们在特征分析中的用途不只是可视化。

将PCA用于线性可分离特征集，将非线性转换器（如LLE）用于非线性可分离特征集。