地球资源数据云——数据资源详情

小行星数据集

我是一名数据科学、机器学习和深度学习爱好者。但除此之外，我也是天文学和太空的狂热爱好者。我一直认为机器学习和深度学习已经解决了现代的大多数问题，无论是金融问题、语言问题还是医疗保健相关问题。人工智能总是超出我们的预期。 但人工智能算法能否找到解决天文学问题的方法呢？是的，可以。但在这种情况下，我发现最具挑战性的事情是足够的数据的可用性。 尽管寻找合适数据的斗争并没有持续多久。我终于找到了这个由加州理工学院喷气推进实验室官方维护的数据集这是美国宇航局下属的一个组织。由此，我也找到了解决最有趣问题的方法，那就是用AI算法预测小行星直径。 我研究了这个课题，发现小行星直径的预测并不是一件容易的事。曾经有多种方法来解决小行星直径的估算，每种方法都试图超越前一种方法。有关最新方法的更多详细信息，请参阅我的研究论文（链接如下）。 我尝试使用 XGboost 回归器、Gradient Boost 回归器、Ada - Boost 回归器、随机森林回归器等各种 ML 算法来解决这个问题，最后得出结论，多层感知器回归器可以以尽可能最小的误差和更高的精度解决这个问题。 当我发现这个数据集时，我还只是一名 B.Tech 三年级学生。我在 Kaggle 练习了数据科学和机器学习问题，因此，我对发表研究论文也产生了非常浓厚的兴趣。我看到了各种有关机器学习、深度学习和人工智能的研究论文，并且一直想有一天我也可以发表自己的研究论文。发现我的作品在互联网上是完全独一无二的，我决定发表一篇关于此的论文，最后我发表了它。