一种基于梯度提升回归树的系外行星宜居性预测方法
系外行星的宜居性是近年来探索宇宙的一个热点研究课题,机器学习为系外行星宜居性分类提供了一种可行的手段.然而,现有的宜居性分类效果面临严重不足与局限.为此,给出一种基于梯度提升回归树的系外行星宜居性分类预测方法.首先,使用梯度提升回归树算法对系外潜在宜居行星与非宜居行星的相关物理学与天文学数据集进行训练;然后,利用训练好的模型对相关测试集进行预测.仿真实验结果表明,新方法在测试集上的预测准确率高达100%.
梯度提升回归树、系外行星、宜居性、二分类
46
TP181;P144(自动化基础理论)
国家自然科学基金U1204608
2019-07-08(万方平台首次上网日期,不代表论文的发表时间)
共4页
71-73,79