isotonic_regression#

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

求解等渗回归模型。

在用户指南中了解更多信息。

参数:

yarray-like of shape (n_samples,): 数据。
sample_weightshape 为 (n_samples,) 的 array-like, default=None: 回归中每个点的权重。如果为 None，则权重设置为 1（等权重）。
y_minfloat, default=None: 最低预测值的下限（最小值仍可能更高）。如果未设置，则默认为 -inf。
y_maxfloat, default=None: 最高预测值的上限（最大值仍可能更低）。如果未设置，则默认为 +inf。
increasingbool, default=True: 计算 y_ 是递增（如果设置为 True）还是递减（如果设置为 False）。

返回:

y_ndarray of shape (n_samples,): y 的保序拟合。

References

Michael J. Best 和 Nilotpal Chakravarti 的“用于保序回归的活跃集算法；一个统一框架”，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])

isotonic_regression#

本页