1.15. Изотоническая регрессия

Класс IsotonicRegression аппроксимирует невозрастающую функцию действительного значения для одномерных данных. Он решает следующую задачу:

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

при условии, что \(\hat{y}_i \le \hat{y}_j\), если \(X_i \le X_j\), где веса \(w_i\) строго положительны, а X и y — произвольные действительные величины.

Параметр increasing меняет ограничение на \(\hat{y}_i \ge \hat{y}_j\), если \(X_i \le X_j\). Значение ‘auto’ позволяет автоматически выбрать ограничение на основе коэффициента ранговой корреляции Спирмена.

IsotonicRegression формирует последовательность прогнозов \(\hat{y}_i\) для обучающих данных, максимально близких к целевым значениям \(y\) по среднеквадратичной ошибке. Для прогнозирования на новых данных используется интерполяция. Таким образом, прогнозы IsotonicRegression образуют кусочно-линейную функцию:

../_images/sphx_glr_plot_isotonic_regression_001.png

Примеры

Изотоническая регрессия

© 2007–2026 The scikit-learn developers
Licensed under the 3-clause BSD License.
https://scikit-learn.org/1.9/modules/isotonic.html