我希望我的高斯过程分类器具有二项式似然性,为此我正在使用sklearn 的实现。我无法将二项式似然用于我的观察,以及每个样本的观察数量的元数据,这在 GPy 包的 GP 实现中是可能的。
基本上,我正在寻找将从 GPy 包创建的以下对象转换为使用 sklearn 的 GP 分类器模型制作的对象。
model = GPy.core.GP(
X_train, k_train,
kernel=
GPy.kern.Linear(
X_train.shape[1],
active_dims=range(0, X_train.shape[1])),
likelihood=GPy.likelihoods.Binomial(),
Y_metadata={'trials': n_train},
inference_method=GPy.inference.latent_function_inference.Laplace(),
)
这里,k_train 是积极事件的数量,n_train 是事件的总数。
我在 sklearn 的实现中遇到了一个属性base_estimator_
,我不知道如何使用。对我的要求有帮助吗?如果是,那么如何使用它?