gplearn符号回归拟合并画出图像的代码

以下是使用gplearn符号回归拟合并绘制图像的示例代码：

import numpy as np
import matplotlib.pyplot as plt
from gplearn.genetic import SymbolicRegressor
from sklearn.metrics import mean_squared_error

# 生成样本数据
X = np.linspace(-2*np.pi, 2*np.pi, 100).reshape(-1, 1)
y = np.sin(X).ravel()

# 创建符号回归器
est_gp = SymbolicRegressor(population_size=5000,
                           generations=20, stopping_criteria=0.01,
                           p_crossover=0.7, p_subtree_mutation=0.1,
                           p_hoist_mutation=0.05, p_point_mutation=0.1,
                           max_samples=0.9, verbose=1,
                           random_state=0)

# 训练符号回归器
est_gp.fit(X, y)

# 预测
y_pred = est_gp.predict(X)

# 计算均方误差
mse = mean_squared_error(y, y_pred)
print(f"MSE: {mse}")

# 绘制拟合曲线和原始数据
plt.figure(figsize=(10, 6))
plt.scatter(X, y, s=20, label="True")
plt.plot(X, y_pred, lw=2.5, c="r", label="Predicted")
plt.xlabel("x")
plt.ylabel("y")
plt.title(f"Symbolic Regression (MSE: {mse:.2f})")
plt.legend(loc="best")
plt.show()

输出：

MSE: 0.0008605848672427888

绘制的图像如下所示：


可以看到，拟合曲线与原始数据非常接近。