machine learning
randomforest_EMP.ipynb
機械学習はjupyterで行っています
[290]-[292]で学習用データ(sample_Gaia.N400mag)をロード、ランダムフォレストで学習させる
[251], [253]で学習結果から本番データ(sample_Gaiaother.N400mag)を分類
[277]-[279], [282]-[283]で分類結果を表示
[349], [379]-[387]でダミーデータを作り、学習結果を可視化
#データを規格化するか迷っていたので規格化して進めたセルとそうでないセルが混在しています
nn.ipynb
NNで学習したもの(Sec. 3.1.1)
mksamplerf2.py
catalog/otherStars.N400magからmagNB400, magg, magi, g-i, (NB400-g)-1.5(g-i)を取ってきたり、
obsStarsMemo.csvにある恒星を
catalog/targetStars.N400mag, catalog/EMPStars.N400mag
から取ってこれるscript
主にこれから取ってきた天体のデータで機械学習を進めていました
#L59のGaia_dr2の座標とtomo-eの座標の距離distを18以上にすると違う天体でも同一視してしまうようです
sample_Gaiaother.N400mag
catalog/otherStars.N400magからmagNB400, magg, magi, g-i, (NB400-g)-1.5(g-i)だけを取ってきたもの
# 学習結果から分類させる用のデータです
sample_Gaia.N400mag
mksamplerf2.pyを実行してobsStarsMemo.csvにある星を
catalog/targetStars.N400mag, catalog/EMPStars.N400mag
から取ってきたもの
# 学習用データにしました
catalog.zip
これらの学習に利用したTomo-eの観測データ