遗传规划算法——符号回归案例
直接上库
from gplearn.genetic import SymbolicRegressor
from sklearn.ensemble import RandomForestRegressor
from sklearn.tree import DecisionTreeRegressor
from sklearn.utils.random import check_random_state
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np
import graphviz
整一个随机函数做回归运算
# Ground truth
x0 = np.arange(-1, 1, .1)
x1 = np.arange(-1, 1, .1)
x0, x1 = np.meshgrid(x0, x1)
y_truth = x0**2 - x1**2 + x1 - 1ax = plt.figure().gca(projection='3d')
ax.set_xlim(-1, 1)
ax.set_ylim(-1, 1)
ax.set_xticks(np.arange(-1, 1.01, .5))
ax.set_yticks(np.arange(-1, 1.01, .5))
surf = ax.plot_surface(x0, x1, y_truth, rstride=1, cstride=1, color='green', alpha=0.5)
plt.show()
开始训练
rng = check_random_state(0)# Training samples
X_train = rng.uniform(-1, 1, 100).reshape(50, 2)
y_train = X_train[:, 0]**2 - X_train[:, 1]**2 + X_train[:, 1] - 1# Testing samples
X_test = rng.uniform(-1, 1, 100).reshape(50, 2)
y_test = X_test[:, 0]**2 - X_test[:, 1]**2 + X_test[:, 1] - 1
est_gp = SymbolicRegressor(population_size=5000,generations=20, stopping_criteria=0.01,p_crossover=0.7, p_subtree_mutation=0.1,p_hoist_mutation=0.05, p_point_mutation=0.1,max_samples=0.9, verbose=1,parsimony_coefficient=0.01, random_state=0)
est_gp.fit(X_train, y_train)
输出回归结果
print(est_gp._program)
遗传规划算法——符号回归案例相关推荐
- 生活中c语言排序案例,C语言之数字排序-基于冒泡排序法的一些案例(对未知数量的数字进行排序)...
C语言之数字排序 在学习C语言的时候遇到了几个比较基础的排序问题,又结合了之前的处理方法.觉得在这个需要再系统地进行复习一下. 当我们在初学C语言的时候,我们都会结合三个数字的排序来理解计算机处理问题 ...
- R语言广义线性模型Logistic回归案例代码
R语言广义线性模型Logistic回归案例代码 在实际应用中,Logistic模型主要有三大用途: 1)寻找危险因素,找到某些影响因变量的"坏因素",一般可以通过优势比发现危险因素 ...
- EL之Boosting之GB(DTR):利用梯度提升法解决回归(对多变量的数据集+实数值评分预测)问题
EL之Boosting之GB(DTR):利用梯度提升法解决回归(对多变量的数据集+实数值评分预测)问题 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 xList = [] labe ...
- H.264 无参考视频质量评价方法 (使用了基于遗传编程方法的符号回归)
Nicolas Staelens 等人在<Constructing a No-Reference H.264/AVC Bitstream-based Video Quality Metric u ...
- 【机器学习】逻辑回归案例一:保险与年龄之间关系分析
逻辑回归案例一:保险与年龄之间关系分析 逻辑回归案例一:保险与年龄之间关系分析 1 数据加载 2 数据切分 3 模型创建与应用 4 逻辑回归和线性回归关系 手动反爬虫,禁止转载: 原博地址 https ...
- 【机器学习】逻辑回归案例二:鸢尾花数据分类,决策边界绘制逐步代码讲解
逻辑回归案例二:鸢尾花数据分类,决策边界绘制逐步代码讲解 1 数据加载 2 数据EDA 3 模型创建及应用 3.1 数据切分 3.2 创建模型与分类 3.3 决策边界绘制 3.3.1 二分类决策边界绘 ...
- 大数据挖掘永恒的定律?符号回归(Symbolic Regressor)
大数据挖掘永恒的定律?符号回归(Symbolic Regressor) 符号回归简介 符号回归是一种机器学习技术,旨在识别一个潜在的数学表达式.它首先建立一个朴素随机公式的总体来表示已知自变量和它们的 ...
- python sklearn 回归案例:车流量预测
文件下载地址: 链接:https://pan.baidu.com/s/1e68J9gubRGc9WkRDPh97tQ 提取码:uxwj """回归案例 车流量预测根据已有 ...
- 第7周--逻辑回归案例练习
第7周--逻辑回归案例练习 实验目的 实验步骤 实验目的 实验步骤 逻辑回归的基本概念 逻辑回归的优缺点 优点: 实现简单,广泛的应用于工业问题上: 分类时计算量非常小,速度很快,存储资源低: 便利的 ...
- RDD断点回归案例怎么分析?
1.背景 一般来讲美国民主党更倾向于更多的联邦支出,案例研究是否民主党获选对于联邦支出的影响.通常情况下如果得票率大于50%即会获选,反之小于50%则会落选.因而得票率则为驱动变量X,此处0.5则可作 ...
最新文章
- 帕斯卡三角形(Pascal's triangle)
- python和前端之HTML的激情
- PIL、Pillow安装使用方法
- PDU是如何帮助机房安然度夏?如何选择PDU电源配套机柜?
- 中科院遗传所钱文峰组发表新冠病毒源于自然界的科学证据
- golismero web扫描器
- php descryptoserviceprovider,[WPF]C#和php实现DES加密和解密
- h2 不能访问localhost,SpringBoot访问H2控制台
- 一机难求:折叠手机是未来趋势还是小众需求?
- Linux Exploit系列之七 绕过 ASLR -- 第二部分
- 支持mysql8的客户端_mysql8 参考手册--mysql客户端帮助
- 微信小程序this.setData如何修改对象、数组中的值
- 一个非计算机专业的 软考初级 程序员考试之路
- MySQL 数据库崩溃(crash)的常见原因和解决办法---发表到 《数据和云》 公众号
- tomcat打印日志 linux,linux服务器修改tomcat日志输出路径方法
- MySQL:数据库练习题-3
- 25 逆波兰表达式、波兰表达式
- windows超级工具AlantopTool
- Pthread多线程
- Mybatis的pooled连接池工作原理