cavalab/srbench

何を解決するか

SRBench は、記号回帰（SR）分野における標準化、再現性、強力なベンチマークの不足に対処します。遺伝的プログラミング（GP）と機械学習（ML）のコミュニティの間のギャップを埋めるために、大規模で多様なデータセットを使用して、現代のSR手法を強力なベースラインと比較できる統合フレームワークを提供します。

動作方法

このプロジェクトは、統一された実験設定下で複数の記号回帰手法を評価する「生きているベンチマーク」を提供します。一貫性と再現性を確保するため、各手法はハイパーパラメータチューニングとデータセットごとの複数の独立実行を伴うDockerコンテナから実行されます。統一されたインターフェースを維持するために、貢献する手法はscikit-learn互換のAPIに従う必要があります。

対象ユーザー

新しい記号回帰アルゴリズムを開発している、または研究論文で信頼できるベースラインを比較したいMLおよびGPコミュニティの研究者や開発者。

主な特徴

• 広範な手法リスト: 2025年版では最大25種類の異なる記号回帰手法を評価。
• 多様なデータセット: Penn Machine Learning Benchmarks (PMLB) および第一原理回帰問題から得たデータセットを使用。
• 再現可能な設定: 環境の隔離と一貫した実行を実現するためにDockerコンテナを採用。
• オープンソース: すべての実験コードと原始結果がコミュニティ向けに公開されています。