在学习Sklearn的时候，有时会看到fit_tranform()，有时也会遇到fit()或transform()，需要整理一下它们的关系和用法，理清思路。

　　其实有点train的感觉，但是和train不同，它并不是一个训练的过程，而是一个适配的过程，适配的方法都是确定的，最后从训练集中得到一些参数，如归一化时用到的均值，标准偏差等。

transform：

　　根据所调用的函数的规则将数据进行转换，一般用于特征抽取和转换，如数据的归一化和标准化，或者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。transform函数必须在fit函数之后调用否则会报错。

fit_transform：

　　可以看做是fit和transform的结合，相当于先调用fit再调用transform，fit和transform没有任何关系，仅仅是数据处理的两个不同环节。训练样本先做fit，得到均值、标准偏差，然后将这些参数用于transform(归一化训练数据)，使得到的训练数据是归一化的，而测试数据只需要在原先得到的均值、标准偏差上来做归一化就行，所以如果训练阶段使用fit_transform，则在测试阶段只需要对测试样本进行transform就行。Sklearn库源码中有句话“This is equivalent to fit followed by transform, but more efficiently implemented.”，所以更推荐这种方法。

总结：

　　Sklearn里的封装好的各种算法都要先fit，然后调用各种API方法，transform只是其中一个API方法，fit是为后续的API函数服务的。