Cvičení – předpověď úspěšnosti startu rakety pomocí strojového učení

  • 3 min

Nakonec je čas otestovat model s daty, která ve vaší datové sadě nikdy nebyla.

30. července 2020 NASA vypustila rover Perseverance na Mars z mysu Canaveral v 7:50 východního času.

Shromážděte vstupní data pro model:

  • S posádkou nebo bez
  • Nejvyšší teplota
  • Nejnižší teplota
  • Průměrná teplota
  • Teplota v době startu
  • Historicky nejvyšší teplota
  • Historicky nejnižší teplota
  • Historická průměrná teplota
  • Srážky v době startu
  • Historické průměrné srážky
  • Směr větru
  • Nejvyšší rychlost větru
  • Viditelnost
  • Rychlost větru v době startu
  • Historická průměrná maximální rychlost větru
  • Historická průměrná viditelnost
  • Podmínka

Tyto informace najdete na většině webů s počasím. Mějte na paměti, že data by všechna měla být číselná.

V následujícím příkladu jsou použita hypotetická data:

# ['Crewed or Uncrewed', 'High Temp', 'Low Temp', 'Ave Temp',
#        'Temp at Launch Time', 'Hist High Temp', 'Hist Low Temp',
#        'Hist Ave Temp', 'Precipitation at Launch Time',
#        'Hist Ave Precipitation', 'Wind Direction', 'Max Wind Speed',
#        'Visibility', 'Wind Speed at Launch Time', 'Hist Ave Max Wind Speed',
#        'Hist Ave Visibility', 'Condition']

data_input = [ 1.  , 75.  , 68.  , 71.  ,  0.  , 75.  , 55.  , 65.  ,  0.  , 0.08,  0.  , 16.  , 15.  ,  0.  ,  0. ]

tree_model.predict([data_input])

Další vylepšování

Jak budete dále vylepšovat model způsobem popsaným v rámci tohoto studijního programu, sledujte další starty raket NASA. Pozorujte, jestli váš model dokáže přesně odhadnout výsledky.

Můžete také využívat předpovědi počasí v kombinaci se svým modelem strojového učení, abyste zjistili, jestli dokážete odhadnout, jestli dojde k odložení startu, ještě před startem!