本稿では、分解可能なシンボリック回帰（SR）手法を提案し、トランスフォーマー・モデル、遺伝的アルゴリズム（GA）、および遺伝的プログラミング（GP）を利用して、解釈可能な多変量表現を生成します。既存のSR手法は、予測誤差の最小化を優先するため、しばしば複雑または不正確な数式を生成しますが、我々の手法は、トレーニングされた「不透明」回帰モデルから数式を抽出し、各変数がモデル応答に与える影響を特徴づけるためにマルチセットトランスフォーマーを使用します。次に、GAを用いて高品質な候補を選び、GPに基づく手順で元の構造を保持したままそれらを結合します。最終的な表現は、GAを通じて係数の最適化を受けます。ノイズを制御した問題において本手法を評価し、他の手法に比べて元の数学構造に一致する表現を常に学習しました。