企业官网建设流程全解析

如何 10 分钟用 PySR 从数据里挖出可解释的数学公式

【免费下载链接】PySRSymbolic Learning in Python and Julia项目地址: https://gitcode.com/GitHub_Trending/py/PySR

PySR 是一个用 Python 写、用 Julia 跑的符号回归（Symbolic Regression）工具：你给它一张数值表，它自己搜索出一段能解释这张表的数学公式。如果你正被"模型预测很准但没人看得懂"困扰，或者手上一堆实验数据想反推背后的规律，PySR 把"从数据还原公式"这件事压缩成了几行 scikit-learn 风格的代码。

为什么需要符号回归

神经网络越堆越大，"黑盒"问题也越严重——它告诉你答案，但说不清理由。符号回归换了个思路：不猜结构，而是让算法在一棵棵表达式树里做进化搜索，直接产出像 $2.5382\cos(x_3) + x_0^2 - 0.5$ 这样人能读写的公式。

它的好处很具体：

• 公式本身即解释，可以直接写进论文和报告；
• 表达式计算成本远低于神经网络，外推行为也更好预测；
• PySR 的搜索引擎用 Julia 实现（与 SymbolicRegression.jl 对接），多线程并行，Python 侧只负责调度和导出。

需要注意的是：符号回归在低维数据（几十列以内、几千行）上效果最好。高维场景一般先用"符号蒸馏"把神经网络转成公式，再让 PySR 接手（README.md 中有说明）。

上图是一次典型搜索的产出对比：横轴是真实值，纵轴是模型用发现出的公式做出的预测，点贴着对角线说明公式基本还原了数据规律。

安装与 5 分钟上手

安装只需一行，Julia 依赖会在第一次 import 时自动拉取（首次会稍慢，属正常现象）：

pip install pysr # 或者 conda install -c conda-forge pysr

最小可运行路径，直接粘进 IPython（作者推荐 IPython 而非 Jupyter，进度条和按q提前停止的体验更好）：

import numpy as np from pysr import PySRRegressor # 造一个带 5 个特征的样本集，目标是 2.5382*cos(x3) + x0^2 - 0.5 X = 2 * np.random.randn(100, 5) y = 2.5382 * np.cos(X[:, 3]) + X[:, 0] ** 2 - 0.5 # 只允许这些算子，搜索空间越小越容易收敛 model = PySRRegressor( niterations=40, # 迭代轮数，想要更好结果就调大 binary_operators=["+", "*"], unary_operators=["cos", "exp", "sin"], elementwise_loss="loss(prediction, target) = (prediction - target)^2", ) model.fit(X, y) # 内部启动 Julia 进程做多线程搜索 print(model) # 打印排行榜，箭头标记被选中的公式

model.fit(X, y)返回后，model.equations_是一个 pandas DataFrame，存着所有候选公式及其 loss、complexity；model.sympy()拿到 SymPy 表达式，model.predict(X)用自动选中的公式做预测（model.predict(X, 3)则指定用排行榜第 3 条）。每次运行还会落盘hall_of_fame...csv（公式列表）和同名.pkl（搜索状态），之后可用PySRRegressor.from_file("xxx.pkl")直接恢复。

更完整的演示脚本可以对照 example.py，交互教程在 examples/pysr_demo.ipynb。

关键参数：改哪个、为什么改

不用背全部参数，下面这几个是真正影响结果的：

另外两个进阶旋钮：constraints/nested_constraints可以禁止某些嵌套（比如exp(exp(x))），官方调优笔记里反复强调"能卡多严卡多严"，对探索效率帮助很大；turbo=True开启实验性循环向量化，约能提速 20%。完整参数列表见 pysr/sr.py 中的PySRRegressordocstring。

典型场景一：带噪声的回归

数据带噪时，直接把噪声喂给搜索器会白费搜索预算。denoise=True会先用高斯过程把目标去噪，再在去噪后的目标上搜索，官方示例（docs/src/examples/getting-started.md）就用了这个组合：

X = np.random.randn(100, 5) y = np.exp(X[:, 0]) + X[:, 1] + X[:, 2] + 0.1 * np.random.randn(100) # 目标加噪 model = PySRRegressor( binary_operators=["+", "-", "*", "/"], unary_operators=["exp"], denoise=True, # 先用高斯过程平滑 y，再开始符号搜索 ) model.fit(X, y)

输入是 100×5 的噪声表，过程是"去噪→进化搜索"，产出是一条能还原exp(x0)+x1+x2结构、常数项干净的公式。如果你的数据有每行的信噪比信息，还可以给fit传weights，并把elementwise_loss写成带weight参数的三参版本。

典型场景二：不止回归——从规则表反推游戏定律

PySR 的输入不限于浮点数。仓库里的 examples/game_of_life.py 把康威生命格的转移表（细胞当前状态 + 邻居数 → 下一状态）当作"数据集"，只用and/or/not/eq几个布尔算子搜索，结果把 B3/S23 规则完整还原了出来。同样的思路在 examples/magnetic_field.py 里用TemplateExpressionSpec+ 自定义Force类型，从纯力测量数据里解出了磁场分量B_x(t), B_y(t), B_z(t)的解析形式——输入是 1000 组(t, v, T, F)，产出是三个磁场分量的函数表达式。这说明"从数据反推规律"这件事，数值之外也能做。

符号回归的天花板不低：社区用它从模拟数据里挖出星系质量关系、从贸易数据里复现了上式的"引力模型"（见 docs/papers.yml 收录的研究案例）。

常见问题与踩坑提示

• import 时崩溃，报GLIBCXX_...not found：某个依赖加载了错误的libstdc++。把 Julia 的库目录加进LD_LIBRARY_PATH（README 的 Troubleshooting 一节有示例命令）。
• Jupyter 里没有进度条、不能按q停止：这是已知取舍。日常调参用 IPython；Jupyter 里中断只会返回当前已找到的公式。
• 改了参数后fit报 warm start 冲突：warm_start状态下改maxsize、换算子等都会让旧状态失效，先调model.reset()。
• 数据超过 1000 行：官方建议要么随机下采样到约 1000 行（低维、噪声少时），要么开batching=True（高维或噪声大、每条数据都要用到时）。
• 公式越搜越复杂、卡住不动：试试warmup_maxsize_by，强制从简单公式起步逐步放复杂度；或对不喜欢的算子在complexity_of_operators里加价。
• 数值不放心：公式嵌套深、幅度大时把precision=64打开做高精度求值。

进阶与生态

• 结果导出链路很全：SymPy（pysr/export_sympy.py）、LaTeX（pysr/export_latex.py）、可微的 JAX / PyTorch 函数（model.jax()、model.pytorch()，对应 pysr/export_jax.py、pysr/export_torch.py），拿去做后续微分优化都没问题。
• 集群扩展：cluster_manager="slurm"一键把搜索铺到整个 SLURM 分配上，多节点配置参考 docs/src/slurm.md；容器化可用 Dockerfile 或 Apptainer.def。
• 自定义值类型：TypeSpec让你定义自己的数据形态（向量、布尔格、矩阵……），配合自定义损失实现上文的规则发现类玩法，用法见 docs/src/examples/expression-specifications.md。
• 给编码代理用的使用指南在 skills/pysr/SKILL.md。

小结与下一步

一句话回顾：PySR 用 Python 的接口 + Julia 的引擎，把"从数据反推公式"变成了一次fit调用——先给最小配置跑通，再用niterations、算子表和maxsize三个旋钮收紧搜索。

下一步建议：把 example.py 换成你自己的数据跑一遍，然后照 docs/src/tuning.md 的清单调参；跑出一版满意的结果后，顺手把案例提 PR 到社区的研究展示页。🚀

【免费下载链接】PySRSymbolic Learning in Python and Julia项目地址: https://gitcode.com/GitHub_Trending/py/PySR