연습 - 기계 학습을 사용하여 로켓 발사의 성공 예측
마지막으로 데이터 세트에서 찾을 수 없는 데이터를 사용하여 모델을 테스트해 봅니다.
2020년 7월 30일에 NASA는 동부 시간으로 오전 7시 50분에 케이프 커내버럴에서 화성 탐사선을 화성으로 발사했습니다.
모델을 위한 다음과 같은 입력 데이터를 수집합니다.
- 유인 또는 무인
- 고온
- 저온
- 평균 온도
- 발사 시 온도
- 사상 최고 온도
- 사상 최저 온도
- 기존 평균 온도
- 발사 시 강수량
- 기존 평균 강수
- 풍향
- 최대 풍속
- 가시 거리
- 발사 시의 바람 속도
- 기존 평균 최대 풍속
- 기존 평균 가시 거리
- 조건
이 정보는 대부분의 날씨 사이트에서 찾을 수 있습니다. 데이터는 모두 숫자여야 합니다.
다음 예제에서는 가상 데이터를 사용합니다.
# ['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])
지속적으로 개선
이 학습 경로 전체에 설명된 방식으로 모델을 계속 개선하려면 다른 NASA 로켓 발사 사례도 주의해서 살펴보세요. 모델에서 결과를 정확하게 예측할 수 있는지 확인합니다.
또한 기계 학습 모델과 날씨 예측을 사용하여 발사 시작 전에 일정이 연기될 것인지 예측할 수 있습니다.