trevorstephens/gplearn

Genetic Programming in Python, with a scikit-learn inspired API

何を解決するか

数学的式で変数間の関係を記述する方法を提供します。従来の機械学習モデルが「ブラックボックス」であるのに対し、このツールは記号回帰を使用して、データに最も適合する読みやすい式を発見します。

動作方法

このライブラリは遺伝的プログラミング（GP）を実装しています。初期状態としてランダムな数学式の集団から始め、複数世代にわたってこれらの式を進化させます。適応度に基づいて最も優れた個体を選択し、遺伝的操作を適用してより優れた新しいバージョンを生成し、最適な式が見つかるまで繰り返します。

対象ユーザー

scikit-learnエコシステムを使用し、記号回帰、2値分類、または自動特徴工学を実行したいデータサイエンティストや機械学習実践者。

特徴

  • 熟知の fit/predict パターンを使用する、scikit-learn互換のAPI。
  • SymbolicRegressor を通じた記号回帰のサポート。
  • SymbolicClassifier を通じた2値分類のサポート。
  • SymbolicTransformer を通じた自動特徴工学のサポート。
  • scikit-learnパイプラインおよびグリッドサーチモジュールとの統合。

関連

  • プロジェクト
    feature-engine/feature_engine

    機械学習モデルのパフォーマンスを向上させるために、包括的な特徴量エンジニアリングと選択を実現する、Scikit-learn互換のトランスフォーマーを提供するPythonライブラリ。

  • プロジェクト
    rodrigo-arenas/Sklearn-genetic-opt

    遺伝的アルゴリズムを用いたハイパーパラメータチューニングおよび特徴選択に対応する、scikit-learn互換の最適化ツールキット。グリッドサーチやランダムサーチよりも効率的な代替手段を提供します。

  • プロジェクト
    astroautomata/SymbolicRegression.jl

    A Julia library for symbolic regression that searches for human-readable mathematical expressions to fit datasets, optimizing the trade-off between accuracy and complexity.

  • プロジェクト
    google/pyglove

    Python 用の記号プログラミングライブラリで、Python プログラムの操作と自動探索を可能にし、一般的に AutoML や進化的計算に使用されます。

  • プロジェクト
    skforecast/skforecast

    scikit-learn互換モデル、統計的手法、およびファウンデーションモデルを統合した、一貫した予測ワークフローを提供するPythonライブラリ。