#10 · 主分类: 优化与启发式算法
gplearn
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。