А вот с деревьями уже поинтереснее. С eml мы имеем обычное бинарное, то есть должно быть проще и быстрее находить оптимальное - в теории. Ну, а ещё символьная регрессия часто работает на уменьшенном наборе операторов, рискуя тем, что их не хватит для описания датасета. Зато арность поменьше. С eml, который бинарный, так ещё и де-юре универсальный, такой проблемы якобы нет. Я правда так до конца и не разобрался, какой из двух аргументов весомее - всё-таки на практике не сильно-то и меньше то дерево выходит. Требуется 19 узлов, чтобы выразить x+y. Для числа -2/3 нужны все 45 узлов. На синус там вообще сотни пойдут, почти так же, как и на π. log2(n) для 45 узлов - дерево глубиною минимум в 6 узлов, а это только базовая арифметика. Так ещё и главное преимущество символьной регрессии на деревьях - интерпретируемая формула на выходе - теряется. Чёрт ногу в том нагромождении exp и ln сломит, не слишком-то оно и сокращается. С таким же успехом можно просто обучить нейросеть, она не сильно хуже будет: практически та же чёрная коробочка, которая тоже аппроксимирует какую-нибудь функцию, только хуй знает какую. Всё-таки на матрицах не сильно погадаешь.

Ну короче классно, но очень-очень нишево. И не очень-то и революция. Хотя логический гейт EML Sheffer для аналоговых схем в бумаге уже предложен. А губа не дура!