cavalab/srbench

해결하는 문제

SRBench는 기호 회귀(SR) 분야에서 표준화되고 재현 가능하며 강력한 벤치마크의 부족을 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 공개적이고 오픈소스 프레임워크를 제공합니다.

작동 방식

SRBench는 기여하는 방법이 scikit-learn 호환 API를 구현해야 하는 통합된 실험 설정을 제공합니다. 재현성을 보장하기 위해 Docker 컨테이너를 사용하여 하이퍼파라미터 튜닝과 다양한 데이터셋(펜 마이닝 벤치마크(PMLB) 및 기본 원리 회귀 문제 포함)에서 여러 독립적인 실행을 수행합니다.

대상 사용자

이 도구는 기호 회귀 및 유전적 프로그래밍 분야에서 연구 및 개발을 수행하는 ML 연구자 및 개발자에게 적합하며, 새로운 방법을 기존 최첨단 기술과 비교 평가할 필요가 있는 사람들을 대상으로 합니다.

주요 특징

• 다양한 방법 평가: 2025년 버전에서는 최대 25개의 다른 기호 회귀 방법을 평가합니다.
• 재현 가능한 환경: 각 방법에 대해 Docker 컨테이너를 사용하여 일관된 실행을 보장합니다.
• 다양한 데이터셋: PMLB 및 기본 원리 문제를 포함한 다양한 데이터셋을 활용합니다.
• 오픈 표준: 새로운 방법의 통합을 용이하게 하기 위해 scikit-learn 호환 API를 요구합니다.