我有一个二元分类（监督学习）问题，我的所有特征都是布尔值，具有以下扭曲：我想学习一个分类器$f:\{0,1\}^n \to \{0,1\}$那是单调的。换句话说，将任何特征子集从 0 更改为 1 绝不应该将分类器的输出从 1 更改为 0。

如何学习单调分类器？我可以以某种方式采用标准分类方法来强制执行单调性约束吗？

我可以看到如何以确保它学习单调模型的方式调整逻辑回归：我们可以要求每个特征的系数都是非负的，然后应用约束优化算法来推断模型的系数。是否有合理的方法来适应其他监督学习方案（例如，随机森林、梯度提升、神经网络）？或者是否有适合这种情况的专用算法？

不幸的是，仅应用标准随机森林分类器并不能保证产生单调分类器，即使训练集是单调的（它来自单调设置，并且没有噪声或违反单调性）。有关明确示例，请参见https://cs.stackexchange.com/q/69220/755，即单调训练集的示例，其中随机森林可能会学习非单调分类器——即使存在单调分类器这同样好。这表明如果我们想学习单调分类器，我们可能需要一些更复杂的技术。