いつscikitのフィット方法を学ばなければならないのですか？

Question

scikitのfitメソッドを使用する必要があるとき、私は理解しません。

このWebページには、http://machinelearningmastery.com/automate-machine-learning-workflows-pipelines-python-scikit-learn/ があります。パイプライン+ StandardScalerの例があります。フィットメソッドは使用されません。

しかし、この他の1つでは：http://scikit-learn.org/stable/auto_examples/svm/plot_rbf_parameters.html 標準的なスケーラーがあり、フィット方法があります。パイプライン+ Robustscaler：あなたはあなたのトレーニングデータセットにそれに合わせなければなりません

result_list = [] 

for name in ["AWA","Rem","S1","S2","SWS","SX", "ALL"]: 
    x=sio.loadmat('/home/{}_E.mat'.format(name))['x'] 
    s_y=sio.loadmat('/home/{}_E.mat'.format(name))['y'] 
    y=np.ravel(s_y) 

    print(name, x.shape, y.shape) 
    print("") 

    #Create a pipeline 
    clf = make_pipeline(preprocessing.RobustScaler(), SVC(cache_size=1000, kernel='rbf')) 


    ###################10x20 SSS################################## 
    print("10x20") 
    xSSSmean20 = [] 
    for i in range(10): 
     sss= StratifiedShuffleSplit(y, 20, test_size=0.1, random_state=i) 
     scoresSSS=cross_validation.cross_val_score(clf, x, y, cv=sss) 

     xSSSmean20.append(scoresSSS.mean()) 

    result_list.append(xSSSmean20) 

    print("") 

Answer 1

あなたのクラシファイア電車へ

これは私のコードです。

最初のリンクは、それをしないことをスニペットの中で明示的に表示されませんので、それはまた、それはないん：

方法cross_val_scoreはに推定しているmodelを使用するにそれに合わせデータ。

メソッド 'cross_val_score'の実装を見て、それが何をするかを理解せずに使用する代わりに、どのように動作するかを理解しようとします。

Hereは、関数hereの実装であり、GitHubの実装を参照してください。アドバイスの

ワンピース：

は、あなたが何かを理解していない時にコードで発掘を行くようにしてください。あなたは多くを学ぶでしょう！