一种使用 Feyn 的符号回归方法
机器学习
2021-04-13 v1 人工智能
新兴技术
摘要
本文介绍名为Feyn的监督式机器学习工具。驱动该工具的仿真引擎称为QLattice。QLattice是一种受理查德·费曼路径积分公式启发的监督式机器学习工具，它探索许多可解决给定问题的潜在模型。它将这些模型表述为可解释为数学方程的图，使用户能完全决定可解释性、复杂度和模型性能之间的权衡。我们简要触及QLattice的内部机理，并展示如何将python包Feyn应用于科学问题。我们展示它不同于传统机器学习方法之处、与之共性所在，以及它与符号回归的一些共同点。我们描述了相较于黑箱模型此方法的优势。为说明这一点，我们使用一个基础数据集走查调查式工作流，展示QLattice如何助您推断特征间关系并进行数据发现。
引用
@article{arxiv.2104.05417,
title = {An Approach to Symbolic Regression Using Feyn},
author = {Kevin René Broløs and Meera Vieira Machado and Chris Cave and Jaan Kasak and Valdemar Stentoft-Hansen and Victor Galindo Batanero and Tom Jelen and Casper Wilstrup},
journal= {arXiv preprint arXiv:2104.05417},
year = {2021}
}