PySR sembolik regresyonu Python ve Julia ile birleştiriyor
Öne çıkanlar
- PySR, denklem arama motoru olarak arka planda çok iş parçacıklı SymbolicRegression.jl kütüphanesini kullanıyor.
- Elde edilen analitik formüller SymPy, PyTorch ve JAX formatlarına dönüştürülebiliyor.
- Sembolik damıtma yöntemiyle derin sinir ağları çözümlenip matematiksel ifadelere indirgenebiliyor.
Açık kaynaklı sembolik regresyon kütüphanesi PySR, veri kümelerindeki ilişkileri yorumlanabilir matematiksel formüllere dönüştürmek için Python arayüzü ile Julia altyapısını bir araya getirdi. Araç, makine öğrenmesi görevlerinde kara kutu modeller yerine analitik ve doğrudan okunabilir denklemler bulmayı hedefliyor. Geliştiriciler, arka planda yüksek performanslı SymbolicRegression.jl motorunu kullanan yapıyı scikit-learn tarzı basit bir API ile araştırmacılara sunuyor.
Kütüphane, düşük boyutlu veriler üzerinde doğrudan arama yapmanın yanı sıra derin sinir ağlarını yorumlamak için sembolik damıtma yöntemini destekliyor. Bu yöntemle karmaşık derin öğrenme ağları analitik denklemlere dönüştürülerek iç mekanizmaları çözümlenebiliyor. Sistem üzerinde üretilen matematiksel ifadeler SymPy, JAX ve PyTorch formatlarına otomatik aktarılabiliyor; böylece bulunan denklemler türevlenebilir modeller olarak diğer iş akışlarına entegre ediliyor.
Kullanıcılar kütüphaneyi pip, conda veya Docker konteynerleri üzerinden kurabiliyor; kök erişimi olmayan kurumsal hesaplama kümelerinde ise Apptainer desteği sağlanıyor. Model eğitimi sırasında Julia çok iş parçacıklı arama algoritmasını devreye sokarak yüz binlerce denklem mutasyonunu paralel olarak test ediyor. Arama sonuçları karmaşıklık ve kayıp değerlerine göre sıralanarak en uygun matematiksel ifade araştırmacıya sunuluyor.
Bu özet yapay zekâ ile hazırlanmıştır; ayrıntılar ve doğrulama için orijinal kaynağa başvurun.