使用forestci为随机森林回归算法创建误差线

Question

我正在使用一个名为 GALPRO 的程序来实现随机森林回归算法来预测光度红移估计。它使用随机森林算法作为机器学习的方法。我输入测试和训练数据。我使用x_train（尺寸= [90,13]），x_train（尺寸= [10,13]）y_train（尺寸= [90,2]）和y_test（尺寸= [10,2]）。

下面的代码显示了 GALPRO 如何进行随机森林回归计算：

model = RandomForestRegressor(**self.params)
model.fit(x_train, y_train)

然后我使用以下方法进行点估计预测：

# Use the model to make predictions on new objects
y_pred = model.predict(x_test)
      

然后我尝试使用forestci包random_forest_error创建误差估计：

 y_error = fci.random_forest_error(model, x_train, x_test)

但是我得到一个错误：

ValueError                                Traceback (most recent call last)
/tmp/ipykernel_2626600/1096083143.py in <module>
----> 1 point_estimates = model.point_estimate(save_estimates=True, make_plots=False)
      2 print(point_estimates)

/scratch/wiay/lara/galpro/galpro/model.py in point_estimate(self, save_estimates, make_plots)
    158         # Use the model to make predictions on new objects
    159         y_pred = self.model.predict(self.x_test)
--> 160         y_error = fci.random_forest_error(self.model, self.x_train, self.x_test)
    161 
    162         # Update class variables

~/.local/lib/python3.7/site-packages/forestci/forestci.py in random_forest_error(forest, X_train, X_test, inbag, calibrate, memory_constrained, memory_limit)
    279     n_trees = forest.n_estimators
    280     V_IJ = _core_computation(
--> 281         X_train, X_test, inbag, pred_centered, n_trees, memory_constrained, memory_limit
    282     )
    283     V_IJ_unbiased = _bias_correction(V_IJ, inbag, pred_centered, n_trees)

~/.local/lib/python3.7/site-packages/forestci/forestci.py in _core_computation(X_train, X_test, inbag, pred_centered, n_trees, memory_constrained, memory_limit, test_mode)
    135     """
    136     if not memory_constrained:
--> 137         return np.sum((np.dot(inbag - 1, pred_centered.T) / n_trees) ** 2, 0)
    138 
    139     if not memory_limit:

<__array_function__ internals> in dot(*args, **kwargs)

ValueError: shapes (90,100) and (100,10,2) not aligned: 100 (dim 1) != 10 (dim 1)

我不确定这个错误意味着什么或者为什么我的尺寸是错误的，因为我正在遵循类似的示例。如果有人有任何想法请告诉我！