yoshitomo-matsubara/srsd-feynman_medium_dummy

SRSD-Feynman (Medium w/ Dummy Variables)数据集旨在讨论符号回归在科学发现中的表现。该数据集包含40个不同的物理公式，并引入了虚拟变量（dummy variables），这些虚拟变量不应被符号回归模型用于预测。数据集的结构包括训练、验证和测试集，每个公式的样本数量分别为8,000、1,000和1,000。数据集的创建基于Feynman符号回归数据库，并对变量范围进行了修订，以确保其符合典型物理实验的条件。数据集的主要用途是评估符号回归方法的潜力，例如是否能够从数据中重新发现物理定律。

原始信息汇总

数据集概述

数据集名称

• 名称: SRSD-Feynman (Medium w/ Dummy Variables)

数据集描述

• 摘要: 该数据集旨在评估符号回归在科学发现中的性能，基于Feynman符号回归数据库设计，包含40个不同的物理公式。数据集中的虚拟变量是随机生成的，不应作为预测的一部分。
• 任务: 符号回归
• 语言: 英语
• 许可证: Creative Commons Attribution 4.0 (cc-by-4.0)
• 数据集大小: 100K<n<1M

数据集结构

• 数据实例: 每个实例包括表格数据和目标函数的真实方程。表格数据为(num_samples, num_variables+1)格式，其中最后一列表示目标函数在给定变量下的输出。
• 数据字段: 每个数据集包含训练、验证和测试分割的文本文件，以及真实方程的pickle文件。
• 数据分割: 训练集8,000样本/公式，验证集和测试集各1,000样本/公式。

数据集创建

• 来源数据: 基于Feynman符号回归数据库。
• 注释过程: 变量范围根据物理实验定义，通常在log尺度上采样，以适应大范围的变化。
• 注释者: Naoya Chiba (@nchiba) 和 Ryo Igarashi (@rigarash)

使用数据注意事项

• 社会影响: 该数据集支持符号回归在科学发现中的研究，有助于讨论数据驱动科学发现的潜力。
• 偏见讨论: 数据集基于物理领域的Feynman数据库，可能存在领域局限性。
• 其他限制: 某些变量应为整数，但因技术限制被处理为浮点数。

附加信息

• 数据集管理员: Naoya Chiba (@nchiba) 和 Ryo Igarashi (@rigarash)
• 贡献者: Yoshitomo Matsubara (@yoshitomo-matsubara), Naoya Chiba (@nchiba), Ryo Igarashi (@rigarash), Yoshitaka Ushiku (@yushiku)