۷ کیو· سادهمبتدیPYTHON۴ ثانیه · ۲۵۶ مگابایت

تابع پله‌ای

تابع step_predict(x, y, cuts, x0) رگرسیون پله‌ای را برازش می‌دهد. نقطه‌های برش $c_1 < c_2 < \dots < c_K$ (آرایه‌ی cuts، صعودی) محور $x$ را به $K + 1$ بازه تقسیم می‌کنند:

(-\infty, c_1) \quad [c_1, c_2) \quad \dots \quad [c_K, \infty)

برازش کمترین مربعات روی متغیرهای نشانگر این بازه‌ها همان میانگین $y$ در هر بازه است. برای هر نقطه‌ی x0، میانگین $y$ نمونه‌های آموزشیِ هم‌بازه با آن را برگردانید.

np.searchsorted(cuts, v, side="right") شماره‌ی بازه‌ی $v$ را می‌دهد. در آزمون‌ها هیچ بازه‌ای خالی نیست.

نمونه‌ها

ورودی نمونه ۱

[[0.14, 0.15, 0.16, 0.7, 0.86, 1.15, 1.23, 1.55, 1.96, 2.42, 3.0], [0.24, 1.01, 0.59, 0.12, 0.65, 0.38, 0.56, 2.16, 2.18, 2.65, 2.58], [1.0, 2.0], [0.5, 1.0, 1.5, 2.5]]

خروجی نمونه ۱

[0.522, 1.32, 1.32, 2.615]

ورودی نمونه ۲

[[0.03, 0.16, 0.37, 0.99, 1.03, 1.11, 1.12, 1.61, 1.9, 2.02, 2.04, 2.36, 2.48, 2.55, 2.94, 2.96], [0.33, 0.91, 0.96, 1.24, 0.7, 1.14, 0.45, 2.08, 2.4, 2.49, 1.93, 1.95, 2.6, 2.25, 2.95, 2.71], [1.4], [0.0, 1.4, 3.0]]

خروجی نمونه ۲

[0.8186, 2.3733, 2.3733]

برای نوشتن پاسخ و دریافت امتیاز، ابتدا وارد حساب شوید.

ورود