Python 具有95%置信区间的高斯过程

我有两个数组：X（382个样本X 37个特征）和Y（382个样本X 8个值）。我在上面安装了一个

sklearn

高斯过程

from sklearn import gaussian_process
gp = gaussian_process.GaussianProcess()
gp.fit(X_part1, Y_part1) 

第二次，我想预测与其他X值相关的Y值。我特别感兴趣的是95%的置信区间，为了有一个像这样的图

（382,37） (382, 8) （382，）

但事实是，MSE（以及由此产生的sigma）是一个一维数组，我不明白为什么。只要Y是2d数组，我就认为MSE是相同的，如文档中所述：

形状（n_eval）或（n_eval，n_目标）与y相同的阵列，均方误差为x

---

因此，我不知道如何处理这个MSE来获得95%的置信区间

请注意，您可能正在使用旧版本的高斯过程模块。最近发生了重大变化。把SCIKIT升级到最新版本。你说的“最近”是什么意思？我有官方的最新版本（0.17，如果我错了请纠正我），我是说开发版本（未来的0.18）@Eikenberg事实上，它还没有实现。说明了

y_std

是一维的。没有多输出的探地雷达的例子，这是真的。还没有多输出。我的错。请注意，您可能正在使用旧版本的高斯过程模块。最近发生了重大变化。把SCIKIT升级到最新版本。你说的“最近”是什么意思？我有官方的最新版本（0.17，如果我错了请纠正我），我是说开发版本（未来的0.18）@Eikenberg事实上，它还没有实现。说明了

y_std

是一维的。没有多输出的探地雷达的例子，这是真的。还没有多输出。我的错。

y_pred, sigma2_pred = gp.predict(X_part2, eval_MSE=True)
sigma = np.sqrt(sigma2_pred)

print X_part2.shape
print y_pred.shape
print sigma.shape