练习 - 运用机器学习来预测火箭发射是否成功
最后,可使用你的数据集中用未有过的数据来测试你的模型。
在 2020 年 7 月 30 日美国东部时间上午 7:50,NASA 在卡纳维拉尔角发射了飞往火星的毅力号火星车。
收集模型的输入数据:
- 载人还是无人
- 高温
- 低温
- 平均温度
- 发射时的温度
- 历史高温
- 历史低温
- 历史平均温度
- 发射时的降雨
- 历史平均降雨
- 风向
- 最大风速
- 能见度
- 发射时的风速
- 历史平均最大风速
- 历史平均能见度
- 条件
你可在大多数气象网站上找到这些信息。 请记住,数据应全部采用数字形式。
以下示例使用假设的数据:
# ['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])
继续改进
按照本学习路径中所述方式继续改进模型时,请注意其他 NASA 火箭发射。 看看你的模型能否准确预测结果。
你还可将天气预报与机器学习模型相结合,来了解能否预测是否存在发射延迟!