Oefening: een raketlancering voorspellen met machine learning

  • 3 minuten

Ten slotte is het tijd om uw model te testen met gegevens die nog nooit zijn gevonden in uw gegevensset.

Op 30 juli 2020 lanceerde de NASA om 07:50 uur Eastern Time de rover Perseverance naar Mars vanaf Cape Canaveral.

Verzamel de invoergegevens voor het model:

  • Bemand of onbemand
  • Hoge temp
  • Lage temp
  • Gem. temp
  • Temp tijdens lanceertijd
  • Hist. hoge temp
  • Hist. lage temp
  • Hist. gem. temp
  • Neerslag tijdens lanceertijd
  • Hist. gem. neerslag
  • Windrichting
  • Maximale windsnelheid
  • Visibility
  • Windsnelheid tijdens lanceertijd
  • Hist. gem. max. windsnelheid
  • Hist. gem. zicht
  • Conditie

U kunt deze gegevens vinden op de meeste weerswebsites. Houd er rekening mee dat alle gegevens numeriek moeten zijn.

In het volgende voorbeeld worden hypothetische gegevens gebruikt:

# ['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])

Doorgaan met verbeteren

Houd een oogje op andere NASA-raketlanceringen terwijl u uw model blijft verbeteren zoals in dit leertraject is beschreven. Bekijk of uw model de resultaten accuraat kan voorspellen.

U kunt ook weersvoorspellingen gebruiken in combinatie met uw machine learning-model om te zien of u kunt voorspellen of er uitstel is, nog voordat de lanceringen plaatsvinden.