1.15. Изотоническая регрессия#

Класс IsotonicRegression подгоняет неубывающую вещественную функцию к одномерным данным. Она решает следующую задачу:

\[\min \sum_i w_i (y_i - \hat{y}_i)^2\]

при условии \(\hat{y}_i \le \hat{y}_j\) всякий раз, когда \(X_i \le X_j\), где веса \(w_i\) строго положительны, и оба X и y являются произвольными вещественными величинами.

The increasing параметр изменяет ограничение на \(\hat{y}_i \ge \hat{y}_j\) всякий раз, когда \(X_i \le X_j\). Установка значения 'auto' автоматически выберет ограничение на основе коэффициент ранговой корреляции Спирмена.

IsotonicRegression производит серию предсказаний \(\hat{y}_i\) для обучающих данных, которые ближе всего к целевым значениям \(y\) в терминах среднеквадратичной ошибки. Эти прогнозы интерполируются для предсказания на невидимых данных. Прогнозы IsotonicRegression таким образом формируют функцию, которая является кусочно-линейной:

../_images/sphx_glr_plot_isotonic_regression_001.png

Примеры