fit() 和上面提到的两种方法的区别是非常明显的。fit 存在于 sklearn 的所有类中，并根据类拟合对象的内部变量，无论是训练模型类还是预处理器类。
然而，transform() 和 predict() 之间的区别似乎有点模糊。我见过的一个普遍规则是 - predict() 属于监督学习类，而 transform() 属于无监督学习类。
尽管如此，我还是发现了一些例外情况。K-Means（无监督算法）和 PLSRegression（有监督算法）是两类同时具有这两种方法的算法。我查阅了 K-Means 文档，了解了这两种不同方法的结果；但这两个接口的实现在文档中似乎没有具体定义。
与 fit() 一样，transform() 可以根据上下文表示不同的含义。对于预处理类，fit() 计算数据集的平均值，例如，transform 应用它。对于训练类，fit() 的行为不同并训练模型。
predict() 仍然很容易解释，我只将它包含在问题中，因为 transform() 的不同用法似乎只能用 predict() 作为比较点。
在经历了许多问题、部分文档包括开发手册、词汇表和 Hands-on ML Book 的小部分之后，这是我得出的结论 - 似乎这些接口不是故意的有一个明确的定义，并意味着对每个编写的类都灵活。
这是正确的还是我遗漏了什么？
predict 方法采用输入特征并返回质量不同的东西，即标签 y（在监督设置中）或集群成员资格（在大多数集群设置中）。
另一方面，正如其名称所暗示的，transform 返回与其输入在性质上相似但以不同形式表示的东西，即缩放特征、PCA 特征等。通常，它们通常伴随着相应的 inverse_transform 方法将输入返回到其原始形式（虽然可以说我们无法想象 inverse_predict 方法，从标签或集群成员资格到特征）.
在您提到的情况下，这种差异很明显，其中 predict 和 transform 方法都可用；例如，在 kmeans 中，predict(X) 将返回集群成员资格，但 transform(X) 将返回转换（即不同的版本） X_new 的输入特征。
