类 IsotonicRegression拟合一维数据的非降实数函数。它解决了以下问题：

其中，权重是严格为正的，X和y都是任意的实数。

increasing参数可以更改约束为 即便是时。将其设置为 ‘auto’将根据 Spearman’s rank correlation coefficient自动选择约束。

在均方误差方面，IsotonicRegression对训练数据产生一系列的预测，这是与目标最接近的。这些预测被内插用于预测未知数据。因此，IsotonicRegression的预测形成了一个分段线性函数：