La régression symbolique est un algorithme qui, par une recherche dans un espace d'expressions mathématiques possibles, trouve une équation qui correspond le mieux aux données données.
Contrairement aux méthodes de régression classiques qui utilisent une structure de modèle prédéfinie, la régression symbolique recherche librement des formules combinant addition, multiplication, puissances et autres opérations.
Typiquement, cette recherche est effectuée avec des algorithmes évolutionnaires ou la programmation génétique, où les formules sont représentées sous forme d’arbres et optimisées par variation.
Cette méthode permet de trouver des modèles interprétables et est particulièrement utile lorsque les relations sous-jacentes sont inconnues ou complexes.