6. 数据集转换#
scikit-learn 提供了一系列转换器，这些转换器可以清理（参见 数据预处理 ）、减少（参见 无监督维度缩减 ）、扩展（参见 核近似 ）或生成（参见 特征提取 ）特征表示。
与其他估计器一样，这些转换器由具有 fit 方法的类表示，该方法从训练集中学习模型参数（例如，用于标准化的均值和标准差），以及一个 transform 方法，该方法将此转换模型应用于未见过的数据。对于同时建模和转换训练数据， fit_transform 可能更加方便和高效。
组合这些转换器，无论是并行还是串行，都在 流水线和复合估计器 中介绍。成对度量、亲和力和核函数 涵盖了将特征空间转换为亲和矩阵，而 转换预测目标（ y ） 考虑了目标空间（例如，分类标签）的转换，以便在 scikit-learn 中使用。