cavalab/srbench

해결하는 문제

SRBench는 기호 회귀(SR) 분야에서 표준화되고 재현 가능하며 강력한 벤치마크가 부족한 문제를 해결합니다. 유전적 프로그래밍(GP)과 기계 학습(ML) 커뮤니티 간의 격차를 메우기 위해, 대규모이고 다양한 데이터셋을 사용하여 현대적인 SR 방법을 강력한 베이스라인과 비교할 수 있는 통합 프레임워크를 제공합니다.

작동 방식

이 프로젝트는 통합된 실험 환경에서 여러 기호 회귀 방법을 평가하는 '생생한 벤치마크'를 제공합니다. 일관성과 재현 가능성을 보장하기 위해 각 방법은 하이퍼파라미터 튜닝과 데이터셋당 여러 독립 실행을 포함한 Docker 컨테이너에서 실행됩니다. 통일된 인터페이스를 유지하기 위해 기여하는 방법은 scikit-learn 호환 API를 따라야 합니다.

대상 사용자

새로운 기호 회귀 알고리즘을 개발하거나 연구 논문에서 신뢰할 수 있는 베이스라인을 비교하고자 하는 ML 및 GP 커뮤니티의 연구자 및 개발자입니다.

주요 특징

• 다양한 방법 목록: 2025년 버전에서는 최대 25개의 서로 다른 기호 회귀 방법을 평가합니다.
• 다양한 데이터셋: 펜 마이닝 벤치마크(PMLB)와 기본 원리 회귀 문제에서 가져온 데이터셋을 사용합니다.
• 재현 가능한 설정: 환경 격리와 일관된 실행을 위해 Docker 컨테이너를 사용합니다.
• 오픈소스: 모든 실험 코드와 원시 결과가 커뮤니티에 공개되어 있습니다.