一篇新发表在arXiv上的研究论文提供了一个理论框架，用于理解基于遗传编程的符号回归模型如何泛化。该研究推导了一个泛化界限，将误差分解为与选择表达式树结构的复杂性以及优化数值常数相关的项。通过将这些项与泛化界限中的显式复杂性项联系起来，该分析为遗传编程中的常见做法（如简约压力和深度限制）提供了原则性的解释。 AI
影响 为符号回归技术提供了理论基础，可能提高模型的可解释性和泛化能力。
排序理由 提供机器学习技术理论分析的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →