Accueil Projets PySR
PySR
Python

PySR

Régression symbolique haute performance en Python et Julia

par astroautomata · GitHub
Étoiles
Forks
Licence
Créé
Dernier commit
Catégorie
Langue
algorithmautomldata-scienceApache-2.0Python
Voir sur GitHub
En termes simples

Trouvez des formules mathématiques qui correspondent le mieux à vos données en utilisant des techniques de régression symbolique.

Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
PySR — GitHub preview card
📈 Historique des étoiles
3.62k3.61k
2026-07-072026-08-31
📈 Suivez PySR

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Régression symbolique haute performance en Python et Julia

PySR compte 3.6k étoiles sur GitHub. Il a été forké 338 fois. PySR est écrit principalement en Python. Il est développé activement depuis 2020. PySR est disponible sous licence Apache-2.0. Ses principaux thèmes sont : algorithm, automl, data-science, distributed-systems.

Frequently asked questions

Qu'est-ce que PySR ?

Régression symbolique haute performance en Python et Julia

PySR est-il open source ?

PySR est un projet open source. Il est distribué sous licence Apache-2.0.

PySR est-il gratuit ?

Oui. PySR est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Sous quelle licence est PySR ?

PySR est disponible sous licence Apache-2.0.

Dans quel langage PySR est-il écrit ?

PySR est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
olud.ai badge — PySR

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![olud.ai](https://olud.ai/badge.php?tool=astroautomata-pysr)](https://olud.ai/project/astroautomata-pysr.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.