scikit-learn： isotonic regression（保序回归，很有意思，仅做知识点了解，但几乎没用到过）

最新推荐文章于 2024-06-13 18:26:09 发布
最新推荐文章于 2024-06-13 18:26:09 发布
阅读量5.6k 收藏 4
点赞数 2
分类专栏： scikit-learn 文章标签： scikit-learn isotonic regression 保序回归
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/mmc2015/article/details/47709085
版权
保序回归是一种特殊类型的回归分析，它确保预测结果形成一个非递减序列。尽管不如CART常用，但理解其工作原理仍然有价值。例如，当需要从无序序列y得到非递减序列y'时，保序回归通过吸收乱序元素并计算平均值来最小化与原序列的误差。在示例中，保序回归用于处理不同情况，如序列<9, 10, 14>、<9, 14, 10>和<14, 9, 10, 15>，生成相应的非递减序列。" 121498806,10440590,React项目eject后配置less与antd主题定制,"['React', 'antd', '前端开发', 'CSS预处理器', 'Webpack']
摘要由CSDN通过智能技术生成

http://scikit-learn.org/stable/auto_examples/plot_isotonic_regression.html#example-plot-isotonic-regression-py


代码就不贴了，参考上面链接。

看代码，给人的直观感受类似于CART，具有分段回归的效果。不过很少见人用这个方法，还是推荐使用CART吧，不过了解一下思想罢了。。。


给个简单的例子：

问题描述：给定一个无序数字序列y，通过修改每个元素的值得到一个非递减序列 y‘ ，问如何使y和 y’ 误差（该处取平方差）最小？

保序回归法：从该序列y的首元素往后观察，一旦出现乱序现象停止该轮观察，从该乱序元素开始逐个吸收紧跟在后面的元素

最低0.47元/天 解锁文章
mmc2015
关注
专栏目录
scikit-learn：scikit-learn：Python中的机器学习
02-06
scikit-learn：scikit-learn：Python中的机器学习
Isotonic regression--保序回归
热门推荐
学渣的博客
03-30 2万+
本文介绍了 Isotonic regression 的定义、调用方法以及在模型输出校准领域的运用。 目录1 定义2 调用方法 1 定义 The class IsotonicRegression fits a non-decreasing real function to 1-dimensional data. It solves the following problem: ∑iwi(yi−y^i)2\sum_i w_i (y_i - \hat{y}_i)^2∑i​wi​(yi​−y^​i​)2 subje
Spark - Isotonic Regression 理论与实战
BITDDD小栈
03-29 762
SparkIsotonic Regression 保序回归理论与实战。
机器学习：保序回归(IsotonicRegression)：一种可以使资源利用率最大化的算法
AI168178的博客
08-29 709
保序回归是回归算法的一种,基本思想是：给定一个有限的实数集合,训练一个模型来最小化下列方程：
【luogu P4331】Sequence 数字序列（保序回归）
欢迎您的光顾awa
04-13 268
给你一个数组，然后你可以花费 1 的费用把一个位置的数加一或者减一。 然后要你用最小的费用使得数组变得严格递增。
1.15. Isotonic regression(保序回归)
matrix_studio的博客
03-07 1755
1.15. Isotonic regression(保序回归) 一、描述 保序回归，正如它的名字，是一种对预测值施加了“保序”约束的一种回归分析。“保序”的严格定义我们暂且不表，可以简单的理解为一种“对任意Xi≤XjX_i\le X_jXi​≤Xj​，必须有 yi≤yjy_i \le y_jyi​≤yj​”的一种约束。 在它的目标函数∑iωi(yi−yi^)2\sum_i\omega_i(y_i-\hat{y_i})^2∑i​ωi​(yi​−yi​^​)2 中，mse部分很好理解，代表损失，参数ωi\om
scikit-survival：基于scikit-learn的生存分析
02-04
**scikit-survival：基于scikit-learn的生存分析** 生存分析是一种统计方法，用于研究事件发生的时间，特别是关注生存时间数据，如患者存活时间、机器故障时间等。在医学、生物统计学、工程学以及许多其他领域都有...
scikit-learn-examples：使用Scikit-learn探索Logistic回归，MLP和SVM
02-04
使用Scikit-learn探索Logistic回归，MLP和SVM 档案 main.py：主程序 config.py：配置，参数 util.py：与数据预处理有关 model.py：模型 img /：用于保存损失函数图的目录（用于线性回归） 数据集 乳腺癌 糖尿病 数字...
docker-scikit-learn：使用scikit-learn可以轻松启动和运行的Docker映像
02-04
docker-scikit-learn：使用scikit-learn可以轻松启动和运行的Docker映像
Python中的scikit-learn：机器学习实战指南
最新发布
08-13
在众多Python机器学习库中，scikit-learn以其简单易用、功能丰富、文档齐全等特点脱颖而出。本文将详细介绍如何在Python中使用scikit-learn进行机器学习，包括数据预处理、模型选择、训练与评估等关键步骤。 通过...
Smooth-isotonic-convex-regressor:Python中的光滑等张凸样条回归
03-09
等渗的光滑，凸的样条回归。 该程序显示了如何执行任意等张，凸，平滑样条回归。 我将python 3.6.7与cvxopt以及标准的numpy，scipy和matplotlib软件包一起使用来执行分析。 cvxopt非常棒！ 您可以将cvxopt安装为 conda install -y -c conda-forge cvxopt 您可以在smooth_isotonic_regressor.ipynb中看到代码示例
Scikit-Learn 1.4使用指南：半监督学习 SemiSupervised 、保序回归 Isotonic Regression
数智笔记
02-05 587
这个矩阵可能非常大，并且与每次迭代算法执行的完整矩阵乘法计算的成本相结合，可能导致运行时间过长。在每次迭代中，base_classifier对未标记样本进行预测，并将其中的一部分标签添加到标记的数据集中。中的半监督估计器能够利用这些额外的未标记数据更好地捕捉底层数据分布的形状，并对新样本进行更好的泛化。使用这个算法，给定的有监督分类器可以作为半监督分类器，从未标记的数据中学习。选择标签的子集是由选择准则确定的。，这意味着我们将始终保留80%的原始标签分布，但算法可以在20%的范围内改变其分布的置信度。
【Python机器学习】零基础掌握isotonic_regression等渗回归
Mr数据杨
10-28 465
等渗回归算法主要用于找出一个自由度较低、更平滑的函数来拟合输入数据。在电商平台商品推荐和商朝货币改革的案例中，该算法都表现出较高的实用性和准确性。等渗回归也是一个在某些特定应用场景下非常有用的算法，但也有其局限性。选择是否使用该算法应根据实际问题和数据类型来决定。优点总结，等渗回归算法能有效地减少噪声，提供更平滑的数据拟合。这在处理复杂或不规则数据时特别有用。优点名称对应描述说明易于实现算法本身不复杂，易于理解和实施平滑度高能有效减少数据噪声自适应性强能适应各种形态的数据分布计算效率高。
Sklearn官方文档中文整理10——等式回归和神经网络模型（有监督）篇
qq_42946328的博客
01-22 1127
Sklearn官方文档中文整理10——等式回归和神经网络模型（有监督）篇1. 监督学习1.15. 等式回归【isotonic.IsotonicRegression】1.17. 神经网络模型（有监督）1.17.1. 多层感知器1.17.2. 分类【neural_network.MLPClassifier】1.17.3. 回归【neural_network.MLPRegressor】1.17.4. 正则化1.17.5. 算法1.17.6. 复杂度1.17.7. 数学公式1.17.8. 实用技巧1.17.9. 使
IsotonicRegression、LinearRegression、RandomForestRegressor与FMRegressor
weixin_41046245的博客
06-13 967
因子分解机（Factorization Machines，FM）回归是一种基于因子分解的回归方法，适用于高维稀疏数据。随机森林回归（Random Forest Regression）是一种集成学习方法，通过训练多棵决策树来改善回归预测的准确性。它结合了随机森林的思想和回归树的概念。它试图在保持数据顺序的同时，拟合出一个单调非减或非增的函数。同时最小化损失函数，常用的损失函数为均方误差（Mean Squared Error）或者基于秩的损失函数。线性回归是一种基本的线性模型，用于建模响应变量。
模型预测结果校准——Isotonic regression
ClaireQi的博客
07-16 1万+
模型预测结果校准——Isotonic regression   方法简介： Isotonic Regression: the method used by Zadrozny and Elkan (2002; 2001) to calibrate predictions from boosted naive bayes, SVM, and decision tree models.[1] Za...
mnist.mnist_mnist计算机视觉简介
weixin_26749843的博客
10-13 637
mnist.mnist介绍(Introduction) The MNIST database of handwritten digits is a great repository for computer vision and machine learning projects. It contains 60,000 training images and 10,000 testing imag...
python 回归_使用python+sklearn实现保序回归
weixin_39851261的博客
11-27 838
注意：单击此处https://urlify.cn/nE7Zny下载完整的示例代码，或通过Binder在浏览器中运行此示例本文给出了在合成数据上使用保序回归(isotonic regression)的示例。保序回归能非递减近似一个函数，同时使训练数据的均方误差最小。这种模型的好处是它不采取任何形式的目标函数，如线性函数。为方便比较，本文还给出了一种线性回归方法。sphx_glr_plot_...
scikit-learn一般实例之一:保序回归(Isotonic Regression)
weixin_34161064的博客
01-08 1451
对生成的数据进行保序回归的一个实例.保序回归能在训练数据上发现一个非递减逼近函数的同时最小化均方误差。这样的模型的好处是，它不用假设任何形式的目标函数，(如线性)。为了比较，这里用一个线性回归作为参照。 # coding:utf-8 print (__doc__) #作者:Nelle Varoquaux <nelle.varoquaux@gmail.com> # ...
Python与scikit-learn：回归算法实战入门
本教程深入探讨了机器学习入门级别的内容，重点是使用Python编程语言和scikit-learn库学习回归算法。回归是机器学习中用于预测连续数值输出的一种方法，它通过分析自变量与因变量之间的关系来做出预测。教程开始于...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值