文件名称：机器学习挑战：系外行星探索
文件大小：5.76MB
文件格式：ZIP
更新时间：2024-03-13 01:52:28
JupyterNotebook
机器学习作业-系外行星探索 背景 开普勒太空天文台是2009年发射的NASA人造卫星。该望远镜正在寻找我们自身之外的恒星系统中的系外行星。 卫星的最终目标是确定可居住的行星。 由于机械故障，最初的任务于2013年结束，但该望远镜自2014年以来一直在执行“ K2”扩展任务。 截至2016年5月，开普勒已验证了1284颗新系外行星。截至2017年10月，共有3,000多种已确认的系外行星（使用所有探测方法，包括基于地面的探测方法）。 望远镜仍处于活动状态，并继续收集其扩展任务的新数据。 目标 使用开普勒太空天文台创建的数据，创建一个机器学习模型，该模型能够对模型分数大于85％的候选系外行星进行分类。 此过程在以下阶段执行： 阶段 预处理数据 数据是从Kaggle上的系获得的。 初始数据集为3.5 Mb，包含50个类别（列）的数据，这些数据代表开普勒进行观测的10,000个系外行星候选者。
【文件预览】：
machine-learning-challenge-main
----starter_code()
--------exoplanet_data.csv(1.71MB)
--------model_1.ipynb(776KB)
----z2_SVC_tuned_gridSearch_model.sav(14KB)
----z3_Nueral_network_model.h5(25KB)
----model_3_Neural_network_Keras.ipynb(105KB)
----Extra()
--------machine_learning_grading_rubric.pdf(177KB)
--------Deep_learning.ipynb(17KB)
----ml_find_features.ipynb(849KB)
----Images()
--------exoplanets.jpg(377KB)
----README.md(4KB)
----z1_randomForest_model.sav(15.65MB)
----data()
--------exoplanet_data.csv(1.71MB)
--------minmaxscaled_disposition_data.csv(1004KB)
--------Top_10_features_disposition_data.csv(372KB)
--------raw_data_with_diposition.csv(2.09MB)
--------top_Ten_origianl_koi_disposition_data.csv(444KB)
----.gitignore(2KB)
----model_1_Random_Forest_Decision_Tree.ipynb(36KB)
----model_2_SVC_Grid_Search.ipynb(36KB)