練習 - 使用機器學習預測火箭發射的成功

  • 3 分鐘

最後，您可使用資料集中從未找到的資料來測試模型。

2020 年 7 月 30 日，NASA 於東部時間上午 7:50 從 Cape Canaveral 發射 Perseverance 漫遊者到火星。

收集模型的輸入資料：

  • 有人員或沒有人員
  • 高溫
  • 低溫
  • 平均溫度
  • 發射時間的溫度
  • 歷史高溫
  • 歷史低溫
  • 歷史平均溫度
  • 發射時間的降雨
  • 歷史平均降雨
  • 風向
  • 最大風速
  • 能見度
  • 發射時間的風速
  • 歷史平均最大風速
  • 歷史平均可見度
  • Condition

您可在大部分的天氣網站上找到此資訊。 請記住，資料應全部都是數字。

下列範例使用假設的資料：

# ['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])

繼續改善

當以整個學習路徑中所述的方式繼續改善模型時，請留意其他 NASA 火箭發射。 查看模型是否可精確地預測結果。

您也可以使用與機器學習模型結合的天氣預測，以查看是否可在發射發生之前預測是否有延遲！