GP-ELITE es una biblioteca de Python que aplica programación genética para realizar regresión simbólica: en lugar de entrenar un modelo opaco, busca una fórmula matemática legible que vincule las variables de entrada con un objetivo. Está pensada para conjuntos de datos experimentales pequeños, de hasta 10 variables y entre 100 y 5000 puntos, donde interesa comprender la relación subyacente, como leyes de degradación, calibración de sensores, correlaciones en ingeniería, curvas dosis-respuesta o leyes físicas. Funciona únicamente con Python y NumPy, sin necesidad de Julia, compilación ni GPU: se instala con pip y está lista para usar.
Una de sus demostraciones consiste en redescubrir la tercera ley de Kepler (T = a^1,5) a partir de los datos orbitales de los ocho planetas en segundos. En el benchmark de Feynman recupera 10 de 15 ecuaciones (67%) con precisión de máquina y 14 de 15 (93%) dentro de un margen de 1e-3, superando a gplearn (67% frente a 40% en idénticas condiciones). Sobre 168 ciclos reales de carga de baterías de la NASA, identifica una ley de degradación del estado de salud con un R² de validación de 0,996.
Entre sus características destacan el ajuste de constantes mediante Levenberg-Marquardt (6-14 veces más rápido en problemas con muchas constantes), reinicios múltiples con archivo de candidatos fusionado, frente de Pareto de complejidad-precisión, modo de extrapolación vigilada y un modo robusto basado en pérdida de Huber con reponderación IRLS, que mantiene la fórmula compacta incluso con entre un 10% y un 20% de valores atípicos. La licencia es MIT y sus dependencias se reducen a NumPy, pandas y scikit-learn.