rEGGression：用于符号回归模型探索的交互式且通用的工具
机器学习
2025-04-09 v2
摘要
回归分析用于预测并理解自变量对因变量的影响。符号回归 (SR) 自动搜索非线性回归模型，提供一组在准确率与解释性之间进行权衡的假设。许多 SR 实现返回一个帕累托前沿，允许选择最佳权衡。然而，这隐藏了接近非支配的备选方案，限制了这些选择。等值图 (e-graph) 允许通过高效处理在多个表达式中重复出现的部分，紧凑地表示大量表达式。e-graph 允许存储和查询一个或多个遗传编程运行期间访问的所有 SR 解决方案候选者，为分析大量 SR 解决方案候选者开辟了可能性。我们介绍 rEGGression，一个使用 e-graph 的工具，使能够探索大型符号表达式集合，提供查询、过滤和模式匹配功能，创建交互式体验以深入了解 SR 模型。主要亮点是其聚焦于在搜索过程中发现的构建块的探索，这有助于专家发现有关所研究现象的见解。这通过利用 e-graph 数据结构的模式匹配能力实现。
引用
@article{arxiv.2501.17859,
title = {rEGGression: an Interactive and Agnostic Tool for the Exploration of Symbolic Regression Models},
author = {Fabricio Olivetti de Franca and Gabriel Kronberger},
journal= {arXiv preprint arXiv:2501.17859},
year = {2025}
}
备注
9 pages, 4 figures, 2 tables. Genetic and Evolutionary Computation Conference (GECCO 25)