MAPIE是独立于scikit-learn的模型无关预测区间估计库，不能直接用sklearn原生模型生成预测区间，因其仅输出点估计；MAPIE通过包装兼容sklearn接口的模型（如RandomForestRegressor），结合jackknife+、CV+、分位数回归等保形预测策略，为其补全不确定性量化能力，需单独安装pip install mapie。
MAPIE是什么，为什么不能直接用sklearn自带的模型
MAPIE（Model Agnostic Prediction Intervals with Ensembles）不是scikit-learn原生模块，而是独立包，从scikit-learn 1.0起才被广泛适配——但它本身不随sklearn安装。直接调用sklearn里的LinearRegression或RandomForestRegressor得不到预测区间，因为这些模型只输出点估计。
MAPIE的作用是“套在已有模型外面”，通过分位数回归、分位数残差重采样或jackknife+等策略，为任意兼容sklearn接口的回归器补上不确定性量化能力。
常见错误现象：ModuleNotFoundError: No module named 'mapie'；或者误以为sklearn.model_selection.cross_val_predict能返回区间——它不能。
- 必须显式安装：
pip install mapie（注意不是scikit-learn子模块） - MAPIE 0.7+ 才完全支持
sklearn1.0+ 的set_params和get_params规范，旧版可能报AttributeError: 'XXX' object has no attribute 'n_features_in_' - 它不修改底层模型，只是包装器，所以训练耗时≈原模型×2~3倍（取决于
method和n_bootstraps）
用MapieRegressor套住一个RandomForestRegressor并计算95%区间
这是最常用场景：已有成熟回归模型，想快速加上预测区间。关键在于选对method参数，不同方法对数据分布假设不同，直接影响区间宽度和覆盖率。
立即学习“Python免费学习笔记（深入）”；
示例中用method="quantile"（分位数回归森林），它对异方差数据更鲁棒，比"base"（普通残差重采样）更推荐：
仅使用 Python 将 Claw Code 虚拟化框架与 OpenClaw 集成，提供 184 种工具和 200 多条命令，用于安全分析和代码质量...
from mapie.regression import MapieRegressor from sklearn.ensemble import RandomForestRegressor from sklearn.datasets import make_regression <p>X, y = make_regression(n_samples=1000, n_features=10, noise=10, random_state=42) model = RandomForestRegressor(random_state=42) mapie = MapieRegressor( estimator=model, method="quantile", alpha=0.05, # 对应95%置信水平 cv=5, # 使用5折交叉验证生成校准集 random_state=42 ) mapie.fit(X, y) y_pred, y_pis = mapie.predict(X, return_intervals=True)</p><h1>y_pis.shape == (n_samples, 2)，分别是下界和上界</h1><p>
-
alpha=0.05表示单侧误差率，对应整体覆盖概率≈95%，不是“每个点都95%落在区间内”的强保证，而是渐近频率意义下的平均覆盖率 -
cv="split"可换成LeaveOneOut()，但小样本下慢且不稳定；默认cv=5已足够 - 如果
y_pis出现nan或上下界倒置，大概率是method="base"遇到训练集残差为0的极端情况，换"quantile"或"enbpi"即可
如何验证预测区间的实际覆盖率是否达标
MAPIE不保证理论覆盖率严格等于1-alpha，尤其在小样本或分布偏斜时。必须做后验校验，否则区间只是“看起来像95%”，实际可能是80%或110%。
核心是用未参与拟合的测试集（不是fit时的交叉验证折），计算真实标签落在预测区间内的比例：
from sklearn.model_selection import train_test_split
<p>X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
mapie.fit(X_train, y_train)
y_pred_test, y_pis_test = mapie.predict(X_test, return_intervals=True)</p><p>covered = ((y_test >= y_pis_test[:, 0]) & (y_test <= y_pis_test[:, 1]))
coverage = covered.mean() # 实际覆盖率
print(f"Empirical coverage: {coverage:.3f}") # 应接近0.95
- 若
coverage < 0.9，说明区间太窄，可尝试增大alpha（如0.1）、换method="enbpi"（更保守）、或增加n_bootstrap（默认100） - 若
coverage > 0.98，区间过宽，浪费信息，可减小alpha或改用method="plus"（更紧凑） - 不要在训练集上算覆盖率——那会严重高估，因模型已见过这些点
多输出回归（y是二维数组）时怎么处理
MAPIE默认只支持单输出（y.shape = (n_samples,)）。若目标变量是多个（比如同时预测温度和湿度），不能直接传入y形状为(n_samples, 2)的数组，否则报错ValueError: y must be 1-dimensional。
正确做法是：对每个输出维度单独建模，用MultiOutputRegressor包装MapieRegressor——但注意，MapieRegressor本身不支持MultiOutputRegressor作为estimator，得反着来：
- 先用
MultiOutputRegressor套住基础模型（如RandomForestRegressor） - 再把整个
MultiOutputRegressor作为estimator传给MapieRegressor - 此时
method只能选"base"或"plus"，"quantile"不支持多输出
代码片段：
from sklearn.multioutput import MultiOutputRegressor <p>multi_model = MultiOutputRegressor(RandomForestRegressor(random_state=42)) mapie_multi = MapieRegressor( estimator=multi_model, method="plus", # 注意这里不能用"quantile" alpha=0.05, cv=3 ) mapie_multi.fit(X, y_2d) # y_2d.shape == (n_samples, 2) y_pred_multi, y_pis_multi = mapie_multi.predict(X, return_intervals=True)</p><h1>y_pis_multi.shape == (n_samples, 2, 2) → [样本, 输出维, 区间端点]</h1><p>
多输出场景下，每个维度的覆盖率需分别验证，且区间宽度往往差异很大——湿度预测区间可能比温度宽3倍，这是正常现象，别强行统一缩放。
