符号回归和机器学习

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因变量目标之间的关系，以预测新数据。每一个连续的生成程序从之前的程序进化而来，从种群中选择最适合的个体进行遗传操作。符号回归依托于达尔文的自然选择理论，利用计算机程序间模拟基因复制、交叉和突变等操作，在初始群体较大且交叉、变异概率设置合理的情况下，不会陷入局部最优解，可以基于大量实际数据寻找隐藏在随机数值后的规律，相较于传统回归方法，所得到的拟合函数具有更广泛的适用性和更高的精确度。遗传编程是符号回归的核心算法，通过引入自定义函数以及动态程序服务方法，在机器学习、人工智能、组合优化、自适应系统以及控制技术等领域中的应用都取得了显著的效果。

参考：https://www.cnblogs.com/epiphanyone/p/17359511.html