isotonic_regression

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

解决等渗回归模型。

更多信息请参阅 用户指南 。

Parameters:

y形状为 (n_samples,) 的类数组

数据。

sample_weight形状为 (n_samples,) 的类数组, 默认=None

每个回归点的权重。 如果为 None，权重设置为 1（等权重）。

y_min浮点数, 默认=None

最低预测值的下限（最小值可能仍然更高）。如果未设置，默认为 -inf。

y_max浮点数, 默认=None

最高预测值的上限（最大值可能仍然更低）。如果未设置，默认为 +inf。

increasing布尔值, 默认=True

是否计算 y_ 是递增的（如果设置为 True）或递减的（如果设置为 False）。

Returns:

y_形状为 (n_samples,) 的 ndarray

y 的等渗拟合。

References

“Active set algorithms for isotonic regression; A unifying framework” by Michael J. Best and Nilotpal Chakravarti, section 3.

Examples

>>> 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...])