基于似然剖面的符号回归模型预测区间与置信域
机器学习
2022-09-15 v1 神经与进化计算
摘要
符号回归是一种非线性回归方法，通常通过遗传编程等进化计算方法实现。回归模型的不确定性量化对于模型解释和决策制定十分重要。线性近似与所谓的似然剖面（likelihood profiles）是计算非线性回归模型置信区间和预测区间的已知方法。这些简单有效的技术在遗传编程文献中至今完全被忽视。本文详细描述似然剖面的计算，并提供在两种不同数据集上由三种不同符号回归算法所建模型的若干说明性示例。这些示例凸显了似然剖面对于理解符号回归模型局限性和帮助用户做出知情的后预测决策的重要性。
引用
@article{arxiv.2209.06454,
title = {Prediction Intervals and Confidence Regions for Symbolic Regression Models based on Likelihood Profiles},
author = {Fabricio Olivetti de Franca and Gabriel Kronberger},
journal= {arXiv preprint arXiv:2209.06454},
year = {2022}
}
备注
10 pages, 8 figures, 1 table, 3 algorithms. Submitted to IEEE Transactions on Evolutionary Computation