fit() vs transform() vs fit_transform() 차이점

fit() vs transform() vs fit_transform() 차이점

메서드	하는 일	사용 시기
fit()	데이터를 보고 학습(파라미터 저장)	처음 학습할 때
transform()	저장한 파라미터로 변환만 함	이미 fit된 후, 새로운 데이터 변환 시
fit_transform()	fit + transform 한 번에 실행	처음 데이터 변환 시 빠르게 처리할 때

---

예제 1: PolynomialFeatures

from sklearn.preprocessing import PolynomialFeatures

X = [[2, 3]]

poly = PolynomialFeatures(degree=2)
X_poly = poly.fit_transform(X)

• fit()은 어떤 조합 항들을 만들어야 할지 규칙(차수, 변수 수 등)을 파악
• transform()은 그 규칙에 따라 실제 값을 계산
• 그래서 fit_transform()으로 한 번에 처리 가능 (→ 전처리에서는 주로 많이 씀)

---

예제 2: 모델 학습 (예: LinearRegression)

from sklearn.linear_model import LinearRegression

model = LinearRegression()
model.fit(X_train, y_train)      # 학습
pred = model.predict(X_test)     # 예측

• fit()은 모델이 가중치 학습하는 과정
• transform()은 없음 (회귀 모델은 변환하는 게 아니라 예측만 함)
• 따라서 이 경우엔 fit()만 사용하고, 나중에 *predict()를 씁니다

---

전처리기 vs 모델 비교 요약

타입	예시	fit() 필요?	transform() 있음?	fit_transform() 사용?
전처리기	PolynomialFeatures, StandardScaler	✅ 예 (파라미터 학습)	✅ 예 (변환용)	✅ 보통 사용
모델	LinearRegression, LogisticRegression, SVC	✅ 예 (가중치 학습)	❌ 없음	❌ 사용 안 함

---

자주 쓰는 전처리기 정리

클래스	설명	fit 필요?	transform 있음?
PolynomialFeatures	다항 특성 생성	✅	✅
StandardScaler	평균 0, 표준편차 1 정규화	✅	✅
MinMaxScaler	0~1 스케일링	✅	✅
PCA	차원 축소	✅	✅
OneHotEncoder	범주형 인코딩	✅	✅

이 전처리기들은 fit → transform이 필요하기 때문에,

fit_transform()을 자주 사용합니다.

---

정리 요약

질문	답변
fit()은 언제?	데이터를 보고 규칙(평균, 차수 등)을 학습할 때
transform()은 언제?	학습된 규칙으로 변환할 때
fit_transform()은 언제?	둘 다 처음에 한 번에 처리하고 싶을 때
모델은?	주로 fit()만 하고, 나중엔 predict()만 함