Cvičení – předpověď úspěšnosti startu rakety pomocí strojového učení
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!