mcranmer/pysr

高性能Python符号回归镜像文档

镜像概述

本镜像提供基于Python的高性能符号回归工具，旨在通过自动化方法从数据中发现最优数学表达式和函数关系。无需预先指定模型形式，即可通过进化算法等技术挖掘数据内在规律，适用于科学研究、工程建模及数据分析任务。

核心功能

• 高效计算引擎：集成并行处理机制，支持多线程/多进程加速符号回归过程，显著提升大规模数据处理效率
• 自动化模型发现：无需人工定义函数形式，自动搜索数学表达式空间，生成拟合优度高的解析模型
• 灵活配置体系：支持自定义搜索空间（运算符、函数库）、评估指标（RMSE、R²等）及终止条件（迭代次数、误差阈值）
• Python生态兼容：无缝对接NumPy、Pandas等数据处理库，支持CSV/Excel等主流数据格式输入
• 结果可视化工具：内置表达式渲染、拟合曲线绘制及误差分析模块，直观展示模型效果

适用场景

• 科学发现：从实验数据中推导出物理/化学定律、生物过程公式等解析关系
• 工程建模：为复杂系统（如工业控制、信号处理）生成可解释的数学模型
• 特征工程：自动生成高价值特征转换函数，辅助提升机器学习模型性能
• 教育研究：演示数据与数学表达式的映射关系，辅助理解变量间内在联系
• 可解释AI：为黑盒模型提供可解释的数学表达式替代方案，增强模型透明度

使用方法

基础使用命令

bash
docker run --rm -v $(pwd)/data:/app/data \
  high-performance-symbolic-regression:latest \
  --input /app/data/training_data.csv \
  --target-column y \
  --output /app/data/results

Docker Compose配置

yaml
version: '3'
services:
  symbolic-regression:
    image: high-performance-symbolic-regression:latest
    volumes:
      - ./data:/app/data
    command: >
      --input /app/data/training_data.csv
      --target-column y
      --max-generations 100
      --population-size 500
      --workers 4
    environment:
      - LOG_LEVEL=INFO
      - RANDOM_SEED=42

配置参数说明

命令行参数

环境变量

数据格式要求

输入数据规范

• 支持CSV或Excel格式文件
• 第一行为表头，包含特征列和目标列名称
• 特征列应为数值型数据，无缺失值（建议预处理时填充）
• 示例数据格式：

csv
X1,X2,y
1.2,3.4,5.6
2.3,4.5,7.8
3.4,5.6,9.0

输出结果说明

运行后在指定输出目录生成以下文件：

• best_expression.txt：最优数学表达式
• metrics.json：模型评估指标（R²、RMSE等）
• fit_visualization.png：拟合曲线可视化图表
• search_history.csv：进化过程中最优表达式记录

示例工作流

1. 准备数据：将预处理后的CSV文件放入本地./data目录
2. 运行容器：

   bash
   docker run --rm -v $(pwd)/data:/app/data \
     high-performance-symbolic-regression:latest \
     --input /app/data/training_data.csv \
     --target-column y \
     --max-generations 200 \
     --workers 8
   

3. 查看结果：在./data/results目录获取最优表达式及可视化结果