scikit-learn默认不提供置信区间计算功能，其模型predict()仅返回点估计；线性回归可用statsmodels通过conf_int()获取系数及预测值置信区间；非线性模型可采用bootstrap法通过重采样和分位数估计预测区间。
scikit-learn 本身不提供置信区间计算功能
scikit-learn 的绝大多数模型（如 LinearRegression、RandomForestRegressor）默认不输出预测的置信区间或标准误。这不是 bug，而是设计取舍：它专注提供预测接口和基础评估，统计推断（如置信区间）需额外工具配合。
直接调用 model.predict(X) 只返回点估计，没有 interval、confidence_level 这类参数 —— 试图加这些参数会报 TypeError: predict() got an unexpected keyword argument。
常见误区是以为 predict_proba() 或 decision_function() 能推导出置信区间，但它们输出的是原始分数或概率，并非统计意义上的不确定性度量。
用 statsmodels 替代或补充 scikit-learn 实现线性模型置信区间
如果你用的是线性回归，最直接的方式是改用 statsmodels，它原生支持 .conf_int() 和 .get_prediction().conf_int()：
立即学习“Python免费学习笔记（深入）”；
快速生成专业的 Python 脚本和应用代码。一键创建完整项目结构，支持CLI、API、爬虫、Bot、Django等多种项目类型，包含完整的项目结构、配置文件、依赖管理、测试、README和文档。
import statsmodels.api as sm X_with_const = sm.add_constant(X) # 必须手动加截距项 model = sm.OLS(y, X_with_const).fit() print(model.conf_int(alpha=0.05)) # 系数的 95% 置信区间 pred = model.get_prediction(X_with_const) print(pred.conf_int(alpha=0.05)) # 每个样本预测值的置信区间
-
model.conf_int()给出每个系数的置信区间，对应model.params -
pred.conf_int()给出每个预测值的置信区间（不是预测区间），前提是模型假设满足（同方差、正态残差等） - 注意
statsmodels默认不包含截距，必须用sm.add_constant()显式添加，否则结果偏差大
对 scikit-learn 模型做 bootstrap 估计预测区间
对于无法解析求解置信区间的模型（如 RandomForestRegressor、XGBRegressor），bootstrap 是最常用且兼容性强的替代方案：
核心思路：对训练集重采样多次，每次拟合模型并预测，最后对各次预测结果在每个样本上取分位数。
- 用
sklearn.utils.resample()做有放回抽样 - 每次用重采样数据训练新模型（注意：不是用原模型做多次预测）
- 收集所有预测结果后，用
np.percentile(..., q=[2.5, 97.5])得到 95% 区间 - 样本量小（
n_samples ）时，bootstrap 结果不稳定；建议至少 <code>n_boot = 1000次迭代
简单示意（以 RandomForestRegressor 为例）：
from sklearn.utils import resample import numpy as np <p>n_boot = 1000 preds<em>boot = [] for </em> in range(n_boot): X_boot, y_boot = resample(X_train, y_train, random_state=None) model_boot = RandomForestRegressor().fit(X_boot, y_boot) preds_boot.append(model_boot.predict(X_test)) preds_boot = np.array(preds_boot) lower = np.percentile(preds_boot, 2.5, axis=0) upper = np.percentile(preds_boot, 97.5, axis=0)
别混淆“置信区间”和“预测区间”
这是最容易出错的概念点：scikit-learn 文档里从不提“置信区间”，因为它几乎不处理参数不确定性；而你真正需要的，往往其实是“预测区间”（即单个新观测值可能落下的范围）。
- 置信区间针对的是模型参数（如斜率 β₁）的估计不确定性
- 预测区间针对的是未来单个 y 值的不确定性，它比置信区间更宽，包含残差波动
-
statsmodels.get_prediction().conf_int()默认给的是置信区间；要得预测区间，得传obs=True参数：pred.conf_int(obs=True) - bootstrap 方法默认估计的是预测区间（因每次预测含残差随机性），但需明确说明目标，否则解释会出错
没想清楚你要估计什么，就动手算区间，结果很可能答非所问。
