Exoplanet Exploration 源码

机器学习作业-系外行星探索 背景 在深空太空中使用了九年,NASA开普勒太空望远镜一直在执行寻星任务,以发现我们太阳系之外的隐藏行星。 为了帮助处理这些数据,我们需要创建能够对原始数据集中的候选系外行星进行分类的机器学习模型。 指示 预处理数据 在拟合模型之前对数据集进行预处理。 执行功能选择并删除不必要的功能。 使用MinMaxScaler缩放数字数据。 将数据分为训练和测试数据。 调音模型参数 使用GridSearch调整模型参数。 调整并比较至少两个不同的分类器。 正在汇报 比较每个模型的性能,以及关于发现和基于模型的任何假设的摘要(您的模型是否足以预测新的系外行星?为什么或为什么不这样做?是什么使您的模型在预测新的系外行星方面更好?)。 资源 注意事项 清理数据,删除不必要的列并缩放数据。 并非所有变量对删除任何无关紧要的变量都是有效的。 确保您的sklearn软件包