我在 sklearn 中使用高斯过程分类器为分类任务拟合一些数据。我知道对于高斯过程回归return_std
器,可以传入
y_test, std = gp.predict(x_test, return_std=True)
输出测试样本的标准偏差(就像在这个问题中一样)
但是,我找不到 GP Classifier的这样一个参数。
是否有从 GP 分类器输出测试数据的预测均值和标准差之类的东西?有没有办法输出拟合模型的后验均值和协方差?
我在 sklearn 中使用高斯过程分类器为分类任务拟合一些数据。我知道对于高斯过程回归return_std
器,可以传入
y_test, std = gp.predict(x_test, return_std=True)
输出测试样本的标准偏差(就像在这个问题中一样)
但是,我找不到 GP Classifier的这样一个参数。
是否有从 GP 分类器输出测试数据的预测均值和标准差之类的东西?有没有办法输出拟合模型的后验均值和协方差?
分类数据没有标准偏差,因此分类器中没有参数 return_std。
但是,如果您想量化分类器预测的不确定性,您可以使用该.predict_proba(X)
方法。一旦你得到每个可能类别的概率,你就可以计算预测概率的熵。