Контракт fit и predict

В scikit-learn каждая модель является оценивателем: это один объект, который Вы создаёте, обучаете, а затем просите выдать ответы. Структура всегда одна и та же. 🤖

Вся библиотека построена вокруг двух методов: fit обучается на данных, а predict использует полученные знания. Освоив их, Вы сможете работать почти с любой моделью.

Вызов fit показывает модели Ваши примеры, чтобы она могла найти закономерности. Предсказания ещё не выполняются — модель просто изучает данные.

После обучения predict принимает новые входные данные и возвращает наиболее вероятные ответы модели. Именно здесь обучение наконец приносит результат.

Схема «fit, затем predict» — это договор, которому следует каждый оцениватель. Замените дерево линейной моделью — и Ваш код почти не изменится.

Сначала всегда создают оцениватель, часто задавая его параметры, и только потом передают ему данные. Эта пустая модель готова обучаться.

Сначала необходимо вызвать fit, а уже потом predict. Запрос к необученной модели вызывает ошибку, поскольку она ещё ничему не научилась.

Вызов fit также возвращает саму модель, поэтому при желании Вы можете объединять этапы в одну строку, сохраняя код компактным и понятным.

После обучения модель сохраняет полученные знания в атрибутах, оканчивающихся на нижнее подчёркивание, например coef_. Они появляются только после завершения обучения.

Поскольку программный интерфейс общий, Вы можете попробовать несколько моделей, изменив одну строку. Вызовы fit и predict остаются одинаковыми.

Единый предсказуемый интерфейс означает, что нужно меньше запоминать, а эксперименты проходят быстрее. Вы сосредотачиваетесь на задаче, а не на особенностях каждой библиотеки.

Каждый оцениватель следует одному договору: создайте его, вызовите fit для обучения, затем predict для получения ответа. Одна схема открывает доступ ко всей библиотеке. 🎯