Skip to main content
 首页 » 编程设计

python之如何从 GaussianProcessClassifier 中提取估计参数 (theta)

2024年12月31日14lonelyxmas

# Scale/ Normalize Independent Variables  
X = StandardScaler().fit_transform(X)  
#Split data into train an test set at 50% each 
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=.5, random_state=42)  
gpc= GaussianProcessClassifier(1.0 * RBF(1.0), n_jobs=-1) 
gpc.fit(X_train,y_train) 
y_proba=gpc.predict_proba(X_test) 
#classify as 1 if prediction probablity greater than 15.8% 
y_pred = [1 if x >= .158 else 0 for x in y_proba[:, 1]] 

以上代码按预期运行。但是,为了解释模型,例如“Beta1 中 1 个单位的变化将导致成功概率提高 .7%”,我需要能够看到 theta。我该怎么做呢? 感谢您的协助。顺便说一句,这是为了家庭作业

请您参考如下方法:

非常好的问题。您确实可以访问 thetas 但是在文档中并不清楚如何执行此操作。


使用以下内容。我在这里使用 iris 数据集。

from sklearn.gaussian_process.kernels import RBF 
from sklearn.gaussian_process import GaussianProcessClassifier 
from sklearn.preprocessing import StandardScaler 
from sklearn.datasets import load_iris 
from sklearn.model_selection import train_test_split 
 
# Scale/ Normalize Independent Variables  
X = StandardScaler().fit_transform(X)  
 
#Split data into train an test set at 50% each 
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size= .5, random_state=42)  
 
gpc= GaussianProcessClassifier(1.0 * RBF(1.0), n_jobs=-1) 
gpc.fit(X_train,y_train) 
y_proba=gpc.predict_proba(X_test) 
 
#classify as 1 if prediction probablity greater than 15.8% 
y_pred = [1 if x >= .158 else 0 for x in y_proba[:, 1]] 
 
# thetas 
gpc.kernel_.theta 

结果:

array([7.1292252 , 1.35355145, 5.54106817, 0.61431805, 7.00063873, 
       1.3175175 ]) 

可以找到文档中访问 thetas 的示例 HERE


希望这对您有所帮助。