Skip to content

1.15. 等式回归

IsotonicRegression类将非递减函数拟合到数据。 它解决了以下问题：

  • 最小化 $\sum_i w_i (y_i - \hat{y}_i)^2$

  • 服从于 $\hat{y}{min} = \hat{y}_1 \le \hat{y}_2 ... \le \hat{y}_n = \hat{y}{max}$

其中每个$w_i$严格为正，每个$y_i$是任意实数。它产生的向量由均方误差(mean squared error)最接近的非递减元素组成。实际上，该元素列表形成了一个分段线性函数。

https://scikit-learn.org/stable/_images/sphx_glr_plot_isotonic_regression_0011.png

(C) 2007 - 2019, scikit-learn 开发人员 (BSD 许可证). 此页显示源码