trevorstephens/gplearn
Genetic Programming in Python, with a scikit-learn inspired API
解决的问题
提供一种发现描述变量间关系的数学表达式的方法。与传统的“黑箱”机器学习模型不同，该工具使用符号回归来发现最符合数据的可读公式。
工作原理
该库实现了遗传编程（GP）。它从一组随机数学公式开始，通过多代演化，根据表现选择最适应的个体，并应用遗传操作生成新的、改进的版本，直到找到最优表达式为止。
适用人群
使用 scikit-learn 生态系统并希望进行符号回归、二分类或自动特征工程的数据科学家和机器学习实践者。
特色亮点
- 使用熟悉的
fit/predict模式，与 scikit-learn 兼容的 API。 - 通过
SymbolicRegressor支持符号回归。 - 通过
SymbolicClassifier支持二分类。 - 通过
SymbolicTransformer支持自动特征工程。 - 与 scikit-learn 管道和网格搜索模块集成。
相关
- 项目
- 项目
- 项目
- 项目
- 项目