IsotonicRegression 类对数据进行非降函数拟合. 它解决了如下的问题:
最小化 \sum_i w_i (y_i - \hat{y}_i)^2
服从于 \hat{y}_{min} = \hat{y}_1 \le \hat{y}_2 ... \le \hat{y}n = \hat{y}{max}
其中每一个 w_i 是 strictly 正数而且每个 y_i 是任意实 数. 它生成一个由平方误差接近的不减元素组成的向量.实际上这一些元素形成 一个分段线性的函数.
todo
微信扫一扫
IsotonicRegression 类对数据进行非降函数拟合. 它解决了如下的问题:
最小化 \sum_i w_i (y_i - \hat{y}_i)^2
服从于 \hat{y}_{min} = \hat{y}_1 \le \hat{y}_2 ... \le \hat{y}n = \hat{y}{max}
其中每一个 w_i 是 strictly 正数而且每个 y_i 是任意实 数. 它生成一个由平方误差接近的不减元素组成的向量.实际上这一些元素形成 一个分段线性的函数.
todo
相关推荐