如何从GaussianProcessClassifier中提取估计参数(θ)
如何从GaussianProcessClassifier中提取估计参数(θ)
提问于 2018-06-04 00:05:55
# 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]]上面的代码按预期运行。然而，为了解释这个模型，比如“Beta1中1个单位的改变将导致成功概率的.7%提高”，我需要能够看到θ。我该怎么做呢？谢谢你的帮助。顺便说一句，这是一个家庭作业。
回答 1
Stack Overflow用户
发布于 2018-06-04 00:41:35
看起来，您要查找的theta值是您传递给分类器的内核对象的属性。你可以阅读更多的in this section of the sklearn documentation。您可以使用classifier.kernel_.theta访问分类器内核的对数转换的theta值，其中classifier是您的分类器对象的名称。
请注意，kernel object还有一个方法clone_with_theta(theta)，如果您正在对theta进行修改，该方法可能会派上用场。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/50668340
复制相关文章
相似问题