大家好，
我试图更严格地理解多项式拟合在scikit中的工作方式。更具体地说，我想做的是分解这个过程，只显示一个具有基于单个值生成的新多项式特征的数据帧。
所以我有一些数据，有几个条目，每个条目都是一维的。我想生成一个适合多项式拟合的设计矩阵。我目前正在做的是：
pd.DataFrame(PolynomialFeatures(k).fit_transform(X))
这是意料之中的事。
然而，我正在努力解决fit_transform((的角色问题。就我而言，我还没有试图适应任何安静的东西，只是生成一个具有新构造的多项式特征的数据帧。我天真地尝试将fit_transform((更改为transform((，但显然，在允许我进行转换之前，我必须使用fit。
如果有人能指出我的错误，我将不胜感激。我还没有尝试在数据上拟合模型，只是为了创建一个具有多项式特征的设计矩阵，那么为什么我必须使用fit(((或fit_transform(((呢？事实上，我真的不明白fit((在这里到底做了什么，文档也没有帮助我理解它
谢谢！
我认为这是为了与他们的API保持一致。当进行预处理时；"适合"；并将相同的预处理步骤应用于训练和测试数据。标准缩放(Standardscaling(是一个更清晰的例子(这是一个不同的预处理步骤(。根据列车数据计算平均值和std，并将相同的比例(X-平均值(/std应用于列车and测试数据(平均值和std取自列车数据(。因此，fit和transform这两种方法是分开的。
在多项式特征的情况下；"适合"；，因为没有从列车数据中提取信息，并且该步骤可以在不知道列车数据的情况下直接应用于测试数据。但将fit包含在PolynomialFeatures中使其与它们的整个API一致。当您管道化多个预处理步骤时，一致性就变得很必要。