我有两个数组：X（382个样本x 37个特征）和Y个（382个样本x 8个值）。我对它进行了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％置信区间，以便得到像in this example这样的情节。
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
（382,37） （382,8） （382）
但事实是，MSE（以及sigma）是一维阵列，我不明白为什么。一旦我的Y是一个二维数组，我认为MSE将是相同的，如文档中所述：
与y一样具有形状（n_eval，）或（n_eval，n_targets）的数组，x处的均值平方误差。
结果，我不知道如何处理这个MSE以获得95％的可信区间......