fit_transform和transform的区别
部分转载
写在前⾯
fit和transform没有任何关系，仅仅是数据处理的两个不同环节，之所以出来fit_transform这个函数名，仅仅是为了写代码⽅便，会⾼效⼀点。
sklearn⾥的封装好的各种算法使⽤前都要fit，fit相对于整个代码⽽⾔，为后续API服务。fit之后，然后调⽤各种API⽅法，transform只是其中⼀个API⽅法，所以当你调⽤transform之外的⽅法，也必须要先fit。
fit原义指的是安装、使适合的意思，其实有点train的含义，但是和train不同的是，它并不是⼀个训练的过程，⽽是⼀个适配的过程，过程都是确定的，最后得到⼀个可⽤于转换的有价值的信息。
fit,transform,fit_transform常⽤情况分为两⼤类
#（fit(x,y)传两个参数的是有监督学习的算法，fit(x)传⼀个参数的是⽆监督学习的算法，⽐如降维、特征提取、标准化）
transform的例句
1. 数据预处理中⽅法
fit(): Method calculates the parameters µ and σ and saves them as internal objects.
--解释：简单来说，就是求得训练集X的均值，⽅差，最⼤值，最⼩值，这些训练集X固有的属性。
transform(): Method using these calculated parameters apply the transformation to a particular dataset.
--解释：在fit的基础上，进⾏标准化，降维，归⼀化等操作（看具体⽤的是哪个⼯具，如PCA，StandardScaler等）。
fit_transform(): joins the fit() and transform() method for transformation of dataset.
--解释：fit_transform是fit和transform的组合，既包括了训练⼜包含了转换。
transform()和fit_transform()⼆者的功能都是对数据进⾏某种统⼀处理（⽐如标准化~N(0,1)，将数据缩放(映射)到某个固定区间，归⼀化，正则化等）
fit_transform(trainData)对部分数据先拟合fit，到该part的整体指标，如均值、⽅差、最⼤值最⼩值等等（根据具体转换的⽬的），然后对该trainData进⾏转换transform，从⽽实现数据的标准化、归⼀化等等。
根据对之前部分trainData进⾏fit的整体指标，对剩余的数据（testData）使⽤同样的均值、⽅差、最⼤最⼩值等指标进⾏转换
transform(testData)，从⽽保证train、test处理⽅式相同
为什么X_train标准化是⽤fit_transform()，⽽X_test标准化是⽤transform()呢？
fit_transform()⼲了两件事：fit到数据转换规则，并将数据标准化
transform：是将数据进⾏转换，⽐如数据的归⼀化和标准化，将测试数据按照训练数据同样的模型进⾏转换，得到特征向量。可以直接把转换规则拿来⽤，所以并不需要fit_transform()，否则，两次标准化后的数据格式（或者说数据参数）就不⼀样了