行动呼吁：迈向下一代符号回归基准
机器学习
2025-05-08 v1 神经与进化计算
摘要
符号回归 (Symbolic Regression, SR) 是一种发现可解释数学表达式的强大技术。然而，由于算法、数据集和评估标准的多样性，对 SR 方法进行基准测试仍然具有挑战性。在这项工作中，我们提出了 SRBench 的更新版本。我们的基准通过将评估方法数量增加近一倍、细化评估指标以及使用改进的结果可视化来理解性能，从而扩展了之前的版本。此外，我们分析了模型复杂度、准确性和能耗之间的权衡。我们的结果表明，没有单一算法能在所有数据集上占据主导地位。我们呼吁 SR 社区采取行动，通过标准化超参数调优、执行约束和计算资源分配，将 SRBench 维护和发展为一个反映符号回归领域最新技术水平的动态基准。我们还提出了弃用标准以保持基准的相关性，并讨论了改进 SR 算法的最佳实践，例如自适应超参数调优和节能实现。
引用
@article{arxiv.2505.03977,
title = {Call for Action: towards the next generation of symbolic regression benchmark},
author = {Guilherme S. Imai Aldeia and Hengzhe Zhang and Geoffrey Bomarito and Miles Cranmer and Alcides Fonseca and Bogdan Burlacu and William G. La Cava and Fabrício Olivetti de França},
journal= {arXiv preprint arXiv:2505.03977},
year = {2025}
}
备注
10 pages, 4 figures, 3 tables, accepted in Genetic and Evolutionary Computation Conference (GECCO '25) Symbolic Regression Workshop