符號回歸（=遺傳規劃）是什麼啟發了這個願望清單請求？
JMP具有強大的視覺化和預處理功能。
利用這些功能來產生比多項式近似更通用的明確表達式將會很好。
有些領域需要明確的近似值，而不是透過機器學習（「黑盒子」式）產生的近似值。純多項式近似值往往不夠。符號回歸可以大大提供幫助。
不需要初始指定函數形式。
https://en.wikipedia.org/wiki/Symbolic_regression
您希望看到什麼改進？
具有符號回歸能力作為預測能力的一部分。
為什麼這個想法很重要？
符號迴歸顯著擴展了多項式迴歸的能力。
它具有神經網路的多功能性，因此可以提供明確的功能表達。
不需要初始指定函數形式。
進階統計建模基礎資料分析與建模數據探索與視覺化預測模型和機器學習回覆：符號回歸（=遺傳編程） - 狀態更改為：已確認感謝您的願望。我們會進一步調查您的請求，然後再回覆您。
回覆：符號回歸（=遺傳編程）你好@VladimirB ，我們有一個關於符號回歸的插件，叫做符號迴歸 using Python Package。如果你試過，能否告訴我們它是否滿足你的需求？
回覆：符號回歸（=遺傳編程）- 狀態已更改為：已交付
