遗传编程，在线学习，gplearn

Question

我最近发现了全科医生，觉得它很吸引人。显式学习数学表达式与隐式学习神经网络有很大的不同！我对GP如何与在线学习一起工作很感兴趣，我想既然有一个进化的过程，在线学习就会变得很自然。但是，我不确定我是否掌握了所有的细节，这让我怀疑我的直觉是否正确。因此，我认为如果一个人一次输入一个数据点，算法应该更新数学表达式，也许一次几个数据点可能会产生更好的结果。我认为gplearn的max_samples参数允许我指定要一次查看的数据点的百分比，但所有数据点都必须可用吗？如果并非所有数据点都可用，该怎么办？下面的循环会做什么呢？

While data keeps coming:
   est_gp.fit(data[0], data[1])

每次运行est_gp.fit时，该方法都会遍历N个可能的函数，并在每次生成期间修改函数。但是，如果它对一个数据点执行此操作，当引入新的数据点时，它是否会从以前的数据点中提取获胜的模型，并将其扔到新的群体中？

(注:在GitHub上提出了相同的问题)。

Answer 1

GP是相当强大和灵活的。

与其他机器学习方法一样，当您拟合模型时，所有数据点都应该可用。适应度函数说明了模型可用的当前训练集。新的数据点可以添加到您的训练数据中，然后用于继续进化。

您需要将"warm_start“变量设置为true，以继续从当前演化状态中学习：

est_gp.set_params(generations=20，warm_start=True)

如果你只有一个数据点，进化就没有理由让旧的模型继续存在。人口将迅速收敛到只关心新数据点的模型。