SPINEX_符号回归：基于相似性与可解释邻居探索的符号回归
机器学习
2024-11-07 v1 统计计算
摘要
本文介绍了一种基于 SPINEX（基于相似性的预测与可解释邻居探索）家族的新型符号回归算法。该新算法 (SPINEX_SymbolicRegression) 采用基于相似性的方法来识别满足准确性和结构相似性度量且具有高优点的表达式。我们将 SPINEX_SymbolicRegression 与来自国际问题集的 180 多个数学基准函数进行了广泛的基准测试，这些函数涵盖随机生成的表达式以及基于真实物理现象的表达式。然后，我们从准确性、表达式相似性（以算子与变量的存在情况衡量，与实际表达式相比）、种群规模以及收敛时的代数等方面评估了所提算法的性能。结果表明，SPINEX_SymbolicRegression 始终表现良好，并在某些情况下能够超越领先的算法。此外，通过深入实验突出了该算法的可解释性能力。
引用
@article{arxiv.2411.03358,
title = {SPINEX_ Symbolic Regression: Similarity-based Symbolic Regression with Explainable Neighbors Exploration},
author = {MZ Naser and Ahmed Z Naser},
journal= {arXiv preprint arXiv:2411.03358},
year = {2024}
}