Symbolische Regression

aus Wikipedia, der freien Enzyklopädie
Zur Navigation springen Zur Suche springen

Symbolische Regression ist eine Art der Regressionsanalyse. Der Raum der mathematischen Funktionen wird nach Kandidaten zur optimalen Beschreibung von vorgegebenen Daten durchsucht[1].

Häufig wird zum Finden der Lösung Genetische Programmierung benutzt, wobei Formeln als Ausdrucksbäume dargestellt werden, siehe Bild.

Darstellung einer Funktion als Ausdrucksbaum. Teilbäume können umgehängt, geändert oder gelöscht (Mutation) und komplette Bäume kombiniert (Rekombination) werden.

Eureqa oder PySR sind Beispiele für Programme zur symbolischen Regression.

Einzelnachweise

[Bearbeiten | Quelltext bearbeiten]
  1. Ingrid Gerdes, Frank Klawonn, Rudolf Kruse: Evolutionäre Algorithmen: Genetische Algorithmen — Strategien und Optimierungsverfahren — Beispielanwendungen. Springer-Verlag, 2013, ISBN 978-3-322-86839-8 (google.de [abgerufen am 20. Juli 2020]).