1.15. 等張迴歸

類別 IsotonicRegression 將一個非遞減的實數函數擬合到一維資料。它解決了以下問題

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

條件是當 \(\hat{y}_i \le \hat{y}_j\) \(X_i \le X_j\) 時，其中權重 \(w_i\) 嚴格為正，且 X 和 y 都是任意實數量。

increasing 參數將約束變更為當 \(\hat{y}_i \ge \hat{y}_j\) \(X_i \le X_j\) 時。將其設定為 ‘auto’ 將根據 Spearman 等級相關係數自動選擇約束。

IsotonicRegression 產生一系列針對訓練資料的預測 \(\hat{y}_i\)，這些預測在均方誤差方面最接近目標 \(y\)。這些預測會被插值，以便對未見過的資料進行預測。IsotonicRegression 的預測因此構成一個分段線性的函數

範例

• 等張迴歸