小编DrS*_*ich的帖子

我正在尝试使用sklearn.inspection.plot_partial_dependence我使用 keras 和 keras sklearn 包装实用程序成功构建的模型来创建部分依赖图（请参阅下面的代码块）。包装后的模型构建成功，可以使用fit方法，拟合后可以使用predict方法，得到预期的结果。所有迹象都表明它是一个有效的估计器。然而，当我尝试从 sklearn.inspection 运行 plot_partial_dependence 时，我收到一些错误文本，暗示它不是有效的估计器，尽管我可以证明它是有效的。

我使用 sklearn 波士顿住房数据示例对此进行了编辑，以便更容易重现。

from sklearn.datasets import load_boston
from sklearn.inspection import plot_partial_dependence, partial_dependence
from keras.wrappers.scikit_learn import KerasRegressor
import keras
import tensorflow as tf
import pandas as pd

boston = load_boston()
feature_names = boston.feature_names
X = pd.DataFrame(boston.data, columns=boston.feature_names)
y = boston.target
mean = X.describe().transpose()['mean']
std = X.describe().transpose()['std']
X_norm = (X-mean)/std

def build_model_small():
    model = keras.Sequential([
        keras.layers.Dense(64, activation='relu', input_shape=[len(X.keys())]),
        keras.layers.Dense(64, activation='relu'),
        keras.layers.Dense(1)
        ])

    optimizer = keras.optimizers.RMSprop(0.0005)

    model.compile(loss='mse',
              optimizer=optimizer,
              metrics=['mae', …