Публикация была переведена автоматически. Исходный язык: Английский
👋 Здравствуйте, сообщество AstanaHub! Я рад сообщить о выходе моего проекта `OIKAN v0.0.3`, нейро-символического фреймворка машинного обучения для создания интерпретируемых моделей, который разрабатывается в рамках моего дипломного проекта.
> OIKAN (v0.0.3) - это нейро-символический фреймворк машинного обучения, вдохновленный теорией представлений Колмогорова-Арнольда (KART) и предназначенный для создания точных, интерпретируемых и эффективных моделей для табличных данных. Объединяя сильные стороны нейронных сетей и символьной регрессии, OIKAN создает понятные человеку математические формулы, которые аппроксимируют сложные взаимосвязи данных, сохраняя при этом высокую прогностическую эффективность. В отличие от традиционных подходов, которые страдают от высокой вычислительной сложности, в OIKAN используется оптимизированный подход, который обеспечивает баланс между интерпретируемостью, эффективностью и точностью.
Особенности:
🧠 Neuro-Symbolic ML: Сочетает в себе нейросетевое обучение и символьную математику;
🔢 Automatic Formula Extraction: Генерирует читаемые математические выражения;
🎯Scikit-learn Compatible: Знакомый интерфейс .fit() и .predict();
🔬 Research-Focused: Предназначен для академических исследований и экспериментов;
📊 Multi-Task: Поддерживает задачи как регрессии, так и классификации;
🔗 Links to the project:
> GitHub: https://github.com/silvermete0r/oikan
> PyPI: https://pypi.org/project/oikan/
> DeepWiki: https://deepwiki.com/silvermete0r/oikan
> Get Started Template Notebook: https://www.kaggle.com/code/armanzhalgasbayev/oikan-v0-0-3-get-started-template-notebook
🙌 Как вы можете помочь в развитии проекта?
> Попробуйте использовать OIKAN;
> Оставьте комментарии (GitHub Discussions): https://github.com/silvermete0r/oikan/discussions/50
> Ответье на опрос (1 вопрос) по удобству использования библиотеки (GitHub Discussions): https://github.com/silvermete0r/oikan/discussions/49
OIKAN v0.0.3 - High-level Architecture:
👋 Hello, AstanaHub Community! I am pleased to announce the release of my project `OIKAN v0.0.3`, a neuro-symbolic machine learning framework for creating interpretable models, which is being developed as part of my thesis project.
> OIKAN (v0.0.3) is a neuro-symbolic machine learning framework inspired by Kolmogorov-Arnold Representation Theory (KART), designed to deliver accurate, interpretable, and efficient models for tabular data. By integrating the strengths of neural networks and symbolic regression, OIKAN produces human-readable mathematical formulas that approximate complex data relationships while maintaining high predictive performance. Unlike traditional approaches, which suffer from high computational complexity, OIKAN employs a streamlined approach that balances interpretability, efficiency, and accuracy.
Key Features:
🧠 Neuro-Symbolic ML: Combines neural network learning with symbolic mathematics;
🔢 Automatic Formula Extraction: Generates human-readable mathematical expressions;
🎯Scikit-learn Compatible: Familiar .fit() and .predict() interface;
🔬 Research-Focused: Designed for academic exploration and experimentation;
📊 Multi-Task: Supports both regression and classification problems;
🔗 Links to the project:
> GitHub: https://github.com/silvermete0r/oikan
> PyPI: https://pypi.org/project/oikan/
> DeepWiki: https://deepwiki.com/silvermete0r/oikan
> Get Started Template Notebook: https://www.kaggle.com/code/armanzhalgasbayev/oikan-v0-0-3-get-started-template-notebook
🙌 How can you help in the development of the project?
> Try to use OIKAN;
> Leave a feedback in comments or here (in GitHub Discussions): https://github.com/silvermete0r/oikan/discussions/50
> Answer the poll about usability (in GitHub Discussions): https://github.com/silvermete0r/oikan/discussions/49
OIKAN v0.0.3 - High-level Architecture:
Поделиться
