Was hat Sie zu dieser Wunschliste inspiriert?
JMP verfügt über hervorragende Visualisierungs- und Vorverarbeitungsfunktionen.
Es wird schön sein, diese Fähigkeiten zu nutzen, um einen expliziten Ausdruck zu generieren, der vielseitiger ist als die polynomische Näherung.
Einige Felder erfordern explizite Näherungen anstelle von Näherungen, die durch maschinelles Lernen („Black-Box“-Verfahren) generiert werden. Oftmals reichen reine Polynomnäherungen nicht aus. Symbolische Regression kann hier sehr hilfreich sein.
Eine anfängliche Spezifikation der Funktionsform ist nicht erforderlich.
https://en.wikipedia.org/wiki/Symbolische_Regression
Welche Verbesserung würden Sie gerne sehen?
Um Funktionen zur symbolischen Regression als Teil der Vorhersagefunktionen zu haben.
Warum ist diese Idee wichtig?
Die symbolische Regression erweitert die Möglichkeiten der polynomischen Regression erheblich.
Es nähert sich der Vielseitigkeit neuronaler Netzwerke an und bietet den Vorteil, dass es als Ergebnis einen expliziten funktionalen Ausdruck bietet.
Eine anfängliche Spezifikation der Funktionsform ist nicht erforderlich.
Vielen Dank für Ihren Wunsch. Wir werden Ihre Anfrage prüfen und uns bei Ihnen melden.
Hallo @VladimirB , ein Add-on für symbolische Regression ist jetzt verfügbar: Symbolische Regression mit dem Python-Paket. Falls Sie es ausprobiert haben, könnten Sie uns bitte mitteilen, ob es Ihren Anforderungen entspricht?
