问题1：在此过程中，变量模型的内容是否发生任何变化？
是。该fit方法修改对象。并且它返回对该对象的引用。因此，保重！在第一个例子中的所有三个变量model，
vd_1和
svd_2实际上指的是同一个对象。
from sklearn.decomposition import TruncatedSVDmodel = TruncatedSVD()svd_1 = model.fit(X1)svd_2 = model.fit(X2)print(model is svd_1 is svd_2) # prints True
问题2： svd_1发生了什么？
model并svd_1指向同一对象，因此第一个示例和第二个示例之间绝对没有区别。
结束语： 在这两个示例中，都发生了如David Maust的回答所指出的结果fit(X1)被覆盖的情况。如果要使两个不同的模型适合两个不同的数据集，则需要执行以下操作：fit(X2)
svd_1 = TruncatedSVD().fit(X1)svd_2 = TruncatedSVD().fit(X2)
