基于Python的天体光谱智能识别分类 课程论文+源码

---

摘要本次作业旨在使用《数据挖掘》课上所学知识，完成针对天体光谱的智能识别分类任务。本小组通过分工合作，按照数据挖掘领域典型的操作流程，针对天体光谱数据完成了包括数据预处理、特征提取、模型构建等一系列工作。通过综合对比不同机器学习和深度学习模型的任务准确率以及时间复杂度，最终选定使用随机森林分类器构建此任务的分类模型，并在测试集上取得了 0.9581 的分类准确率。目录一． 任务背景及工作简介 1二．数据预处理 32.1数据预览 32.2缺失值处理 32.3异常点处理 42.4标准化与归一化 62.5特征提取数据 62.6样本过采样 8三．模型方法论 93.1随机森林分类模型 93.2支持向量机分类模型 103.3卷积神经网络 123.4残差神经网络 ResNet 13四．实验结果 154.1评价度量指标 154.2模型训练及结果分析 15五．总结 18