用遗传算法实现符号回归或可运用到大气污染臭氧预报领域——浅析gplearn

文章预览

  第一时间获取气象科研资讯 『 气象学家 』 公众号 交流群 加入 提起Python里的机器学习包，我们通常会想到Scikit-Learn、XGBoost、LightGBM、Keras和TensorFlow。在这里，我将向大家介绍gplearn。它是目前Python内最成熟的符号回归算法实现。 原文链接可见：https://zhuanlan.zhihu.com/p/31185882 （摘自知乎作者光喻） 简介 在线性模型中，目标变量y可以表示为： 然而，即使加入了多项式特征，它也很难发现特征变量与目标变量之间更复杂的关系。 作为一种一种监督学习方法， 符号回归 （ symbolic regression ）试图发现某种隐藏的数学公式，以此利用特征变量预测目标变量。 符号回归的具体实现方式是 遗传算法 （ genetic algorithm ）。一开始，一群天真而未经历选择的公式会被随机生成。此后的每一代中，最「合适」的公式们将被选中。随着迭代次数的增长，它们不断 ………………………………