Symbolische Regression ist ein Algorithmus, der durch Suche in einem Raum möglicher mathematischer Ausdrücke eine Gleichung findet, die am besten zu gegebenen Daten passt.
Im Gegensatz zu klassischen Regressionsmethoden, die eine vorgegebene Modellstruktur verwenden, sucht symbolische Regression frei nach Formeln, die Addition, Multiplikation, Potenzen und andere Operationen kombinieren.
Typischerweise wird diese Suche mit evolutionären Algorithmen oder genetischer Programmierung durchgeführt, bei denen Formeln als Bäume dargestellt und durch Variation optimiert werden.
Diese Methode ermöglicht das Auffinden von interpretierbaren Modellen und ist besonders nützlich, wenn die zugrunde liegenden Zusammenhänge unbekannt oder komplex sind.