python中的遗传编程,带有scikit学习型api
gplearn的Python项目详细描述
欢迎来到gplearn!
gplearn使用受{a9}启发且兼容的api在python中实现遗传编程。
虽然遗传规划(gp)可以用来执行very wide variety of tasks,但gplearn被有目的地限制在解决符号回归问题上。这是由scikit学习方法所推动的,即拥有强大的、可以直接实现的估计器。
符号回归是一种机器学习技术,旨在识别最能描述关系的基本数学表达式。它首先建立一组朴素的随机公式来表示已知自变量与其因变量目标之间的关系,以便预测新的数据。然后,每一个连续的程序代都是从它之前的程序中进化而来,从种群中选择最适合的个体进行遗传操作。
GPLGEN保留了熟悉的SCIKIT学习< CIT>拟合/预测 API,并与现有的SCIKIT学习^ {A11}和^ {A12}模块一起工作。这个包试图将许多功能压缩到scikit学习风格的api中。虽然有很多参数需要调整,reading the documentation应该使您的问题更加相关。
gplearn通过symbolicgressor支持回归,使用symbolicclassifier支持二值分类,以及使用symbolictransformer支持自动特征工程的转换,这是为支持回归问题而设计的,但也应适用于二值分类。
gplearn建立在scikit learn的基础上,并且installation需要一个相当新的副本(0.20.0+)。如果在运行或安装包时遇到任何问题,please submit a bug report。