gplearn库，用于从给定数据集生成新的数据行

Question

我正在使用gplearn库（遗传编程）从给定数据集生成新规则。目前，我有11行数据，其中包含24列（功能），我将其作为SymbolicRegressor方法的输入来获取新规则。但是，我只得到一条规则。一般情况下，如果我提供11行数据作为输入，那么我不会得到11个新规则。如果我做错了什么是正确的做法？

import numpy as np
import pandas as pd
from sklearn import preprocessing
from sklearn.model_selection import GridSearchCV
from sklearn.ensemble import ExtraTreesRegressor
from gplearn.genetic import SymbolicRegressor

data = pd.read_csv("D:/Subjects/Thesis/snort_rules/ransomware_dataset.csv")

x_train = data.iloc[:,0:23]
y_train = data.iloc[:,:-1]

gp = SymbolicRegressor(population_size=11,
                           generations=2, stopping_criteria=0.01,
                           p_crossover=0.8, p_subtree_mutation=0.1,
                           p_hoist_mutation=0.05, p_point_mutation=0.05,
                           max_samples=0.9, verbose=1,
                           parsimony_coefficient=0.01, random_state=0)

gp.fit(x_train, y_train)
print(gp._program)

输出结果为：

  

X7 /（X15 *（ - X16 * X20 - X19 + X2））