¿Qué inspiró esta solicitud de lista de deseos?
JMP tiene grandes capacidades de visualización y preprocesamiento.
Será bueno utilizar estas capacidades con el propósito de generar una expresión explícita que sea más versátil que la aproximación polinomial.
Algunos campos requieren aproximaciones explícitas en lugar de aproximaciones generadas mediante aprendizaje automático (de tipo "caja negra"). Con frecuencia, las aproximaciones polinómicas puras no son suficientes. La regresión simbólica puede ser de gran ayuda.
No se requiere ninguna especificación inicial de la forma funcional.
https://en.wikipedia.org/wiki/Symbolic_regression
¿Cuál es la mejora que le gustaría ver?
Tener capacidades de regresión simbólica como parte de las capacidades predictivas.
¿Por qué es importante esta idea?
La regresión simbólica amplía significativamente las capacidades de regresión polinomial.
Se aproxima a la versatilidad de las redes neuronales con la ventaja de proporcionar una expresión funcional explícita como resultado.
No se requiere ninguna especificación inicial de la forma funcional.
Gracias por su solicitud. Investigaremos su solicitud con más detalle y nos pondremos en contacto con usted.
Hola @VladimirB , existe un complemento para regresión simbólica llamado Regresión simbólica using Python Package. Si lo has probado, ¿podrías decirnos si satisface tus necesidades?
