保序回归
Parent: ai_keywords
保序回归
核心定义
保序回归（Isotonic Regression）是一种非参数回归方法，在给定观测数据 ((x_i, y_i)) 时，寻找一个单调非减（或非增）的拟合值序列 (\hat{y}_i)，使得残差平方和 (\sum (y_i - \hat{y}_i)^2) 最小化，同时严格满足单调约束（通常基于自变量顺序或先验知识）。该模型不预设函数形式，仅依赖数据的相对顺序，适用于需要保持单调趋势的拟合与预测问题。
关键技术点
- 单调性约束：强制拟合值序列满足 (\hat{y}_1 \le \hat{y}_2 \le \dots \le \hat{y}_n)（或相反），反映变量间的有序依赖关系。
- PAVA算法（Pool Adjacent Violators Algorithm）：最经典的求解方法。通过顺序扫描数据，合并相邻的“违反复现点”（即违反单调性的数据块），并以其加权均值替代，迭代至全序列满足约束，时间复杂度 O(n)。
- 非参数性：不需假设线性、多项式等全局函数形式，仅利用数据内在顺序，拟合结果呈分段常数或阶梯状，能捕捉局部突变。
- 损失函数可扩展性：基础采用平方损失，但可推广至绝对损失、Huber损失等凸函数，在有序分类或生存分析中具备鲁棒性。
- 与平滑的关系：保序回归在保持单调性的同时具有最小平滑性，不会引入人为曲率，适合识别单调转折点。
医学/神经科学应用场景
在首都医科大学神经病学研究中，保序回归可用于脑卒中后运动功能恢复的动态建模。例如，对急性缺血性脑卒中患者连续记录 NIHSS（美国国立卫生研究院卒中量表）评分（假设恢复期功能应单调改善），但由于个体差异或并发症，原始数据常出现非单调波动。采用保序回归拟合时间序列，可在约束“随时间评分不升高”的前提下，获得最优单调趋势曲线，从而精确识别恢复平台期或恶化拐点，辅助判断康复干预时机。此外，该模型也适用于癫痫患者发作间期脑电棘波频率的序贯分析（假设发作后棘波频率应单调下降），或帕金森病 UPDRS 运动评分随多巴胺药物剂量递增的单调效应，为神经电生理与药理研究提供无偏的单调性验证工具。
