發(fā)布時間：2023-03-07 18:03

　　系外行星的宜居性是近年來探索宇宙的一個熱點研究課題,機器學習為系外行星宜居性分類提供了一種可行的手段。然而,現(xiàn)有的宜居性分類效果面臨嚴重不足與局限。為此,給出一種基于梯度提升回歸樹的系外行星宜居性分類預測方法。首先,使用梯度提升回歸樹算法對系外潛在宜居行星與非宜居行星的相關(guān)物理學與天文學數(shù)據(jù)集進行訓練;然后,利用訓練好的模型對相關(guān)測試集進行預測。仿真實驗結(jié)果表明,新方法在測試集上的預測準確率高達100%。

【文章頁數(shù)】：4 頁

【文章目錄】：
1 引言
2 基礎(chǔ)知識
    2.1 梯度提升回歸樹算法與Graph Lab
    2.2 系外行星的宜居性
3 新方法
4 仿真實驗
    4.1 實驗目的
    4.2 實驗平臺
    4.3 實驗步驟
    4.4 實驗結(jié)果與分析討論
5 相關(guān)工作比較



本文編號：3757630