要使数据居中（使其具有零均值和单位标准误差），请减去均值，然后将结果除以标准差：

您在数据的训练集上执行此操作。但是随后您必须将相同的转换应用于您的测试集（例如在交叉验证中），或者在预测之前应用于新获得的示例。但是你必须使用完全相同的两个参数$\mu$和$\sigma$（值）用于使训练集居中。

因此，每个 scikit-learn 的变换fit()只是计算参数（例如$\mu$和$\sigma$在StandardScaler的情况下）并将它们保存为内部对象的状态。之后，您可以调用其transform()方法将转换应用于任何特定的示例集。

fit_transform()加入这两个步骤，用于在训练集上进行参数的初始拟合$x$，同时还返回转换后的$x'$. 在内部，transformer 对象只是先调用fit()，然后再transform()调用相同的数据。

下面的解释是基于fit_transform类的，但是对于其他 scikit_learn 类Imputer的想法是一样的，比如.fit_transformMinMaxScaler

transform用数字替换缺失值。默认情况下，此数字是您选择的某些数据的列的平均值。考虑以下示例：

imp = Imputer()
# calculating the means
imp.fit([
         [1,      3], 
         [np.nan, 2], 
         [8,      5.5]
        ])

现在 imputer 已经学会了使用均值 ${{(1+8)}\over {2}} = 4.5$ 对于第一列和平均值 ${{(2+3+5.5)}\over {3}} = 3.5$ 当第二列应用于双列数据时：

X = [[np.nan, 11], 
     [4,      np.nan], 
     [8,      2],
     [np.nan, 1]]
print(imp.transform(X))

我们得到

[[4.5, 11], 
 [4, 3.5],
 [8, 2],
 [4.5, 1]]

因此，由fitimputer 从一些数据中计算列的平均值，transform并将这些平均值应用于一些数据（这只是用平均值替换缺失值）。如果这两个数据相同（即用于计算均值的数据和应用均值的数据），您可以使用fit_transform基本上是 afit后跟 a 的数据transform。

现在你的问题：

为什么我们可能需要转换数据？

“由于各种原因，许多现实世界的数据集包含缺失值，通常编码为空白、NaN 或其他占位符。然而，此类数据集与假定数组中的所有值都是数字的 scikit-learn 估计器不兼容”（来源）

在训练数据上拟合模型并转换为测试数据是什么意思？

imputer的与用于模型拟合fit无关。fit因此，在训练数据上使用 imputerfit只是计算每列训练数据的均值。使用transform测试数据然后用从训练数据计算的平均值替换测试数据的缺失值。

这些方法用于 scikit-learn 中的数据集转换：

让我们举个例子来缩放数据集中的值：

该fit方法在应用于训练数据集时，会学习模型参数（例如，均值和标准差）。然后，我们需要transform 在训练数据集上应用该方法以获得转换（缩放）的训练数据集。fit_transform我们还可以通过在训练数据集上应用，一步完成这两个步骤。

那么为什么我们需要 2 个单独的方法 -fit和transform？

在实践中，我们需要有单独的训练和测试数据集，这就是有一个单独的fit方法有transform帮助的地方。我们应用于训练数据集并在训练数据集和测试数据集上fit使用该方法。因此，然后使用在将方法应用于训练数据集transform时学到的模型参数对训练以及测试数据集进行转换（缩放） 。fit

示例代码：

scaler = preprocessing.StandardScaler().fit(X_train)
scaler.transform(X_train) 
scaler.transform(X_test) 

这不是一个技术性的答案，但希望它有助于建立我们的直觉：

首先，所有估计器都在一些训练数据上进行训练（或“拟合”）。这部分相当简单。

其次，所有 scikit-learn 估计器都可以在管道中使用，管道的想法是数据流经管道。一旦适合管道中的特定级别，数据就会传递到管道中的下一个阶段，但显然需要以某种方式更改（转换）数据；否则，您根本不需要管道中的那个阶段。因此，转换是一种转换数据以满足管道下一阶段需求的方式。

如果您不使用管道，我仍然认为以这种方式考虑这些机器学习工具是有帮助的，因为即使是最简单的分类器仍在执行分类功能。它将一些数据作为输入并产生输出。这也是一个管道；只是一个非常简单的。

总之，fit执行训练，transform更改管道中的数据以将其传递到管道中的下一个阶段，并fit_transform在一个可能优化的步骤中进行拟合和转换。