用于从给定数据生成新数据行的gplearn库

Question

我使用gplearn库（genetic programming）从给定的数据集生成新规则。目前，我有11行数据，其中有24列（特性），我将它们作为symbolicCregressor方法的输入，以获取新规则。然而，我得到的只有一条规则。一般来说，如果我给11行数据作为输入，我不应该得到11条新规则吗。如果我做错了，正确的方法是什么？在

import numpy as np
import pandas as pd
from sklearn import preprocessing
from sklearn.model_selection import GridSearchCV
from sklearn.ensemble import ExtraTreesRegressor
from gplearn.genetic import SymbolicRegressor

data = pd.read_csv("D:/Subjects/Thesis/snort_rules/ransomware_dataset.csv")

x_train = data.iloc[:,0:23]
y_train = data.iloc[:,:-1]

gp = SymbolicRegressor(population_size=11,
                           generations=2, stopping_criteria=0.01,
                           p_crossover=0.8, p_subtree_mutation=0.1,
                           p_hoist_mutation=0.05, p_point_mutation=0.05,
                           max_samples=0.9, verbose=1,
                           parsimony_coefficient=0.01, random_state=0)

gp.fit(x_train, y_train)
print(gp._program)

输出为：

X7/(X15*(-X16*X20 - X19 + X2))