使用管道的查询点预测分布的标准偏差

Question

我正在尝试使用管道执行一个简单的回归任务，以分配用于回归的多项式的次数（度数= 3）。所以我定义：

pipe = make_pipeline(PolynomialFeatures(3), BayesianRidge())

然后配件：

pipe.fit(X_train, y_train)

最后是预测位：

y_pred = pipe.predict(X_test)

sklearn 的 BayesianRidge（） 有一个用于其预测方法的return_std参数，当设置为 True 时，它返回查询点预测分布的标准偏差。

无论如何，我可以使用管道获得此标准偏差数组吗？

Answer 1

您需要从他们的github存储库安装最新版本的scikit-learn。接下来，您只需要使用部分来自函数工具。我使用了类似于贝叶斯岭回归文档中提到的示例。

from sklearn import linear_model
from sklearn.preprocessing import PolynomialFeatures
from sklearn.pipeline import make_pipeline
from functools import partial
clf = linear_model.BayesianRidge()
#Make the pipeline
pipe = make_pipeline(PolynomialFeatures(3), clf)
#Patch the predict function of the classifier using partial
clf.predict = partial(clf.predict,return_std=True )
#Fit the pipeline
pipe.fit([[0,0], [1, 1], [2, 2]], [0, 1, 2])
#Retrieve the prediction and standard deviation
y_pred, y_std = pipe.predict([[1,2]])
#Output : (array([ 1.547614]), array([ 0.25034696]))

注意：显然这是 sklearn 管道模块中的一个错误，如此处所述。它现在在最新版本中已修复。

参考：

• 部分在 Python 中的工作原理