python sklearn中的fit方法

我问自己关于sklearn中的fit方法的各种问题。

问题1：当我这样做时：

from sklearn.decomposition import TruncatedSVD
model = TruncatedSVD()
svd_1 = model.fit(X1)
svd_2 = model.fit(X2)

在此过程中，变量模型的内容是否发生任何变化？

问题2：当我这样做时：

from sklearn.decomposition import TruncatedSVD
model = TruncatedSVD()
svd_1 = model.fit(X1)
svd_2 = svd_1.fit(X2)

svd_1怎么了？换句话说，svd_1已经安装好了，我又重新安装了它，那么它的组件正在发生什么？

问题1：在此过程中，变量模型的内容是否发生任何变化？

是。该fit方法修改对象。并且它返回对该对象的引用。因此，保重！在第一个例子中的所有三个变量model，svd_1和svd_2实际上指的是同一个对象。

from sklearn.decomposition import TruncatedSVD
model = TruncatedSVD()
svd_1 = model.fit(X1)
svd_2 = model.fit(X2)
print(model is svd_1 is svd_2)  # prints True

问题2： svd_1发生了什么？

model并svd_1指向同一对象，因此第一个示例和第二个示例之间绝对没有区别。

结束语： 在这两个示例中发生的都是正如David Maust的回答所指出fit(X1)的fit(X2)，结果被覆盖。如果要将两个不同的模型拟合到两个不同的数据集，则需要执行以下操作：

svd_1 = TruncatedSVD().fit(X1)
svd_2 = TruncatedSVD().fit(X2)