#10 · 主分类: 优化与启发式算法

gplearn

genetic-programming machine-learning python scikit-learn symbolic-regression

Python中的遗传编程,采用scikit-learn风格的API

项目最后更新:08/14/26

GitHub Stars

1.9K

Forks数量

326

贡献者数量

13

许可证

BSD-3-Clause

收录理由

多数机器学习库交给你一堆权重就完事了,gplearn却另辟蹊径:它用遗传编程从你的特征中直接演化出数学表达式,支持符号回归、分类和特征变换,而且接口沿用了scikit-learn的fit/predict习惯。这意味着你可以把它无缝塞进现有流水线和网格搜索里,不用重写代码。最实在的收获是,它能产出一个可读的公式,清楚描述输入和输出之间的关系——在工程、金融和科研场景里,这很重要,因为相关方需要看到并审查模型。它的SymbolicTransformer对自动特征工程也很有用,演化过程能发现你手工根本想不到的非线性组合。如果你已经熟悉scikit-learn的用法,上手很快,文档对演化参数的讲解也足够细致,方便你针对自己的问题调参。

相关文章

暂无针对该项目的文章。

如需补充新闻资讯、使用教程、应用测评等内容,欢迎 联系我们推荐选题或投稿。

同类热门项目