La clase IsotonicRegression ajusta una función real no decreciente a datos unidimensionales. Resuelve el siguiente problema:

minimizar ( sum_i w_i (y_i – hat y _i) ^ 2 )

sujeto a ( hat y _i le hat y _j ) cuando sea (X_i le X_j ),

donde los pesos (Wisconsin) son estrictamente positivos, y ambos X y y son cantidades reales arbitrarias.

los increasing parámetro cambia la restricción a ( hat y _i ge hat y _j ) cuando sea (X_i le X_j ). Configurarlo en ‘auto’ elegirá automáticamente la restricción basada en Coeficiente de correlación de rango de Spearman.

IsotonicRegression produce una serie de predicciones ( hat y _i ) para los datos de entrenamiento que están más cerca de los objetivos (y ) en términos de error cuadrático medio. Estas predicciones se interpolan para predecir datos invisibles. Las predicciones de IsotonicRegression así formar una función que es lineal a trozos:

../_images/sphx_glr_plot_isotonic_regression_0011.png