ksfong/absolute-pareto-optimal-front-baseline-for-symbolic-regression

该数据集名为APO Front Baseline for Symbolic Regression，伴随论文《Absolute Pareto-Optimal Fronts for Real-World Symbolic Regression》发布。数据集主要用于符号回归（SR）任务，旨在找到描述数据集中变量关系的最佳闭式表达式。数据集包含了对34个真实世界数据集进行的绝对帕累托最优（APO）前沿分析，提供了所有评估表达式的原始数据、优化数值参数及其性能。此外，数据集还提取了每个真实世界数据集的APO前沿表达式，为SR算法提供了一个基准。数据集的创建者是国家新加坡大学的Kei Sen Fong，数据集采用cc-by-4.0许可证。

原始信息汇总

数据集概述

本数据集为《Absolute Pareto-Optimal Fronts for Real-World Symbolic Regression》一文的配套数据集，专注于符号回归（Symbolic Regression, SR）任务中表达式的绝对帕累托最优（APO）前缘。数据集提供了针对SRBench中真实世界数据集的APO前缘表达式，以及每个评估表达式的优化数值参数和性能数据。

数据集内容

• 数据结构：数据集包含两个主要部分：

  • APOv3和APOv4文件夹：包含所有评估表达式的原始数据，包括优化后的数值参数和R-squared得分。
  • Extracted_APO_Fronts文件夹：提取自APOv3和APOv4的APO前缘表达式，作为SR算法的基准。

• 文件格式：所有数据文件为CSV格式，包含7个字段：

  1. EquationLength: 表达式长度
  2. EquationStructure: 表达式结构（不含数值参数）
  3. EquationLambda: 表达式结构（不含数值参数，代码形式）
  4. EquationParameters: 优化后的数值参数
  5. NumericalIterations: 数值优化方法的迭代次数
  6. MSE: 均方误差
  7. R2: R-squared得分

数据集用途

• 基准测试：用于与真实世界数据集上的符号回归基准结果结合使用，例如NeuRIPS 2021的基准结果。
• 算法评估：通过比较不同数值优化方法（如Broyden–Fletcher–Goldfarb–Shanno, BFGS）的性能，评估SR算法的选择。

数据集创建

• 动机：为SRBench中的34个真实世界数据集提供APO前缘，作为SR算法效率和极限的基准。
• 数据来源：数据由Kei Sen Fong在国家超级计算中心（新加坡）进行计算生成。

局限性

• 优化方法：由于缺乏真正的全局数值优化方法，可能存在局部最优问题。
• 函数集限制：由于计算资源限制，原始函数集中未包含所有可能的函数（如三角函数和对数函数）。

数据集联系人

• 联系人：Kei Sen Fong ([e-mail])