文件名称：ml_for_astro：天体物理学动手机器学习教程
文件大小：2.31MB
文件格式：ZIP
更新时间：2024-03-01 19:44:48
JupyterNotebook
天体物理学动手机器学习教程 本教程为天体物理学家演示了一些简单的机器学习和深度学习用例。 它是在2020年11月的研讨会上首次展示的。 第1部分展示了如何使用scikit-learn在表格数据上训练浅层统计模型，例如支持向量机（SVM）和随机森林，以根据其物理属性（温度/半径/发光度）对星型进行分类。 第2部分演示了如何使用非结构化数据（例如图像）。 它通过深层卷积网络从手工制作的特征（渐变的直方图）逐渐变为学习的特征。 第3部分给出了使用诸如2D空间中的聚类，图像检索，对预训练网络进行微调等深层功能可以实现的不错的聚会技巧的示例。 如果在此代码中发现任何错误或问题，请随时打开问题或请求请求。
【文件预览】：
ml_for_astro-main
----Hands_on_ML_for_astrophysics.ipynb(3.9MB)
----.gitignore(20B)
----README.md(1KB)
----stars.csv(11KB)