astroautomata/PySR

해결하는 문제

PySR는 데이터셋에 적합한 해석 가능한 해석식을 찾는 문제를 해결합니다. 일반적인 머신러닝 모델이 '블랙박스'처럼 작동하는 반면, PySR는 기호 회귀를 통해 주어진 목적을 최적화하는 실제 수학적 표현을 발견하여 변수 간의 관계를 명확히 합니다.

작동 방식

PySR는 Julia로 작성된 고성능 검색 엔진(SymbolicRegression.jl)에 대한 Python 인터페이스를 제공합니다. 수십만 개의 변이와 식 평가를 다중 스레드로 처리하여 최적의 기호식을 찾습니다. 또한 '기호 증류(Symbolic Distillation)'에도 사용할 수 있어, 복잡한 신경망을 단순한 해석식으로 변환하여 딥러닝 모델의 해석을 돕습니다.

대상 사용자

투명하고 인간이 읽을 수 있는 수학적 모델이 필요한 연구자 및 데이터 과학자에게 적합합니다. 특히 저차원 데이터셋을 다루거나 신경망의 해석을 원하는 경우에 유용합니다.

주요 특징

• scikit-learn 호환: 익숙한 .fit() 및 .predict() API 사용 가능.
• 고성능: 기호 검색의 중량 작업은 Julia로 처리.
• 미분 가능한 출력: 학습된 식을 JAX 및 PyTorch 형식으로 내보낼 수 있음.
• 높은 구성 가능성: 사용자 정의 이항 및 단항 연산자, 손실 함수, 복잡도 제약 조건을 정의 가능.
• 통합 기능: PySR를 에이전트 루프 내에서 사용할 수 있는 스킬 포함.