文件名称：机器学习的地球科学数据质量
文件大小：4.55MB
文件格式：ZIP
更新时间：2024-03-06 23:59:42
JupyterNotebook
机器学习的地球科学数据质量 在建立大规模模型时，例如在澳大利亚，存在一个问题。 完全不同的数据集，将它们分为多个领域： 地球物理学（重力，磁性，辐射度，地震，电磁，感应极化，大地电磁...） 地质学（岩性，地层学，构造，水文..） 遥感（Landsat，ASTER，Sentinel ...） 地球化学（岩石，土壤，水，分析技术...） 各种数据层： 直接观察 网格数据 解释（固体地质，SEEBase ...） 导数（例如，ASTER谱带比率，岩石单位的累积...） 机器学习模型（Regolith深度...） 反演 质量 科学时代 使用的技术 分辨率（像素大小，地图比例，测量间距，检测极限..） 调查类型 人类评级？ 例如1-10 下采样/上采样 数据丢失（地球物理调查空白，旧卫星上的遥感空白。） 维数 1个 2 3 4 更多的？ （深度切片...） 规模 世界 国
【文件预览】：
Geoscience-Data-Quality-for-Machine-Learning-main
----Convert_excel_to_csv.ipynb(1KB)
----DataQuality_Models.csv(6KB)
----Magnetic-Survey-Quality.ipynb(420KB)
----Gravity-Survey-Quality.ipynb(2.83MB)
----reliability_index.png(2.31MB)
----.gitignore(2KB)
----DataQuality_Models.xlsx(17KB)
----Reference Suggestions.md(2KB)
----README.md(2KB)