python基因表达式编程_关于基因表达式编程gelearn的使用,式子生成后的问题

本文通过gplearn库在轴承实验台数据集上进行基因表达式编程实践,使用SymbolicRegressor和SymbolicTransformer进行模型训练,展示了如何生成和处理数据,并可视化最佳程序的决策树。
摘要由CSDN通过智能技术生成

#本例是用gplearn在轴承实验台的数据集上进行实验

#just try

import numpy as np

import matplotlib.pyplot as plt

from mpl_toolkits.mplot3d import Axes3D

from sklearn import model_selection

import sklearn as skl

from sklearn import tree

from sklearn import ensemble

from gplearn import genetic

from gplearn.genetic import SymbolicRegressor

from gplearn.genetic import SymbolicTransformer

from sklearn.linear_model import Ridge

import graphviz

import pydotplus

import xlwt

import xlrd

import os

os.environ['TF_CPP_MIN_LOG-LEVEL']='2'

from IPython.display import display, Image

#根据轴承实验台的振动信号来生成数据分布

#原始信号导入

workbook = xlwt.Workbook(encoding='utf-8')

booksheet = workbook.add_sheet('Sheet 1', cell_overwrite_ok=True)

# x0 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值