等距回归#

sklearn.isotonic.isotonic_regression(y, *, sample_weight=None, y_min=None, y_max=None, increasing=True)[source]#

求解等距回归模型。

更多信息请参见用户指南。

参数：

yarray-like of shape (n_samples,): 数据。
sample_weightarray-like of shape (n_samples,), default=None: 每个回归点的权重。如果为 None，则权重设置为 1（相等权重）。
y_minfloat, default=None: 最低预测值的较低界限（最小值可能更高）。如果未设置，则默认为 -inf。
y_maxfloat, default=None: 最高预测值的较高界限（最大值可能更低）。如果未设置，则默认为 +inf。
increasing布尔值，默认为True: 是否计算y_为递增（如果设置为True）或递减（如果设置为False）。

返回:

y_形状为 (n_samples,) 的ndarray: y 的等调性拟合。

参考文献

Michael J. Best 和 Nilotpal Chakravarti 的“等调性回归的主动集算法；一个统一的框架”，第 3 节。

示例

>>> from sklearn.isotonic import isotonic_regression
>>> isotonic_regression([5, 3, 1, 2, 8, 10, 7, 9, 6, 4])
array([2.75   , 2.75   , 2.75   , 2.75   , 7.33...,
       7.33..., 7.33..., 7.33..., 7.33..., 7.33...])