恒星光谱的数据驱动方法
the-cannon的Python项目详细描述
#大炮![构建状态](https://img.shields.io/travis/andycasey/annieslasso/refactor.svg)(https://travis ci.org/andycasey/annieslasso)
[![覆盖状态](https://img.shields.io/coveralls/andycasey/annieslasso/refactor.svg)(https://coveralls.io/github/andycasey/annieslasso?分支=重构)
[![审查者](https://img.shields.io/scrunizer/g/andycasey/annieslasso.svg?b=refactor)(https://scrunizer-ci.com/g/andycasey/annieslasso/?分支=重构)
[![许可证](https://img.shields.io/badge/license-mit-blue.svg)(https://img.shieldeshields.io/badge/license-mit-blue.svg)(https://github.com/andy casey/andycasey/anniesslasso/blob/refactor/license)
[请参阅相关文档]](《剑桥(剑桥)(蒙纳什)***(剑桥)(蒙纳什)
-**《大卫**汉斯·沃尔特·里克斯**(MPIA)
-**Anna Y.Q.Ho**(加州理工学院)
-**Gerry Gilmore**(剑桥)
https://github.com/andycasey/annieslasso/archive/refactor.zip
``
那些
恒星的标签(以及谱通量和逆方差的位置)被假定存储在表中。在这个例子中,假设所有的恒星都是在相同的波长(色散)尺度上取样的。` teff^2`)模型:
```python
import numpy as np
from astropy.table import table
import anniesslasso as tc
存储在不同的ascii文件中。最终目标是生成通量并逆
形状的方差数组(n个星,n个像素)。
规范化的通量=np.array(训练集中的星的[np.loadtxt(star[“flux文件名”])
规范化的ivar=np.array(训练集中的星的[np.loadtxt(star[“ivar文件名]))
;为模型提供离散是可选的,但稍后会很方便。
dispersion=np.loadtxt(“common_wavelengths.txt”)
线程=-1)< BR> > BR/>指定模型的复杂度:
模型。矢量化器= TC。矢量化器。NormalizedPolynomialVectorizer(LabelDelySt集,
BR/>训练模型!
model.train()
`````
[![覆盖状态](https://img.shields.io/coveralls/andycasey/annieslasso/refactor.svg)(https://coveralls.io/github/andycasey/annieslasso?分支=重构)
[![审查者](https://img.shields.io/scrunizer/g/andycasey/annieslasso.svg?b=refactor)(https://scrunizer-ci.com/g/andycasey/annieslasso/?分支=重构)
[![许可证](https://img.shields.io/badge/license-mit-blue.svg)(https://img.shieldeshields.io/badge/license-mit-blue.svg)(https://github.com/andy casey/andycasey/anniesslasso/blob/refactor/license)
[请参阅相关文档]](《剑桥(剑桥)(蒙纳什)***(剑桥)(蒙纳什)
-**《大卫**汉斯·沃尔特·里克斯**(MPIA)
-**Anna Y.Q.Ho**(加州理工学院)
-**Gerry Gilmore**(剑桥)
https://github.com/andycasey/annieslasso/archive/refactor.zip
``
那些
恒星的标签(以及谱通量和逆方差的位置)被假定存储在表中。在这个例子中,假设所有的恒星都是在相同的波长(色散)尺度上取样的。` teff^2`)模型:
```python
import numpy as np
from astropy.table import table
import anniesslasso as tc
存储在不同的ascii文件中。最终目标是生成通量并逆
形状的方差数组(n个星,n个像素)。
规范化的通量=np.array(训练集中的星的[np.loadtxt(star[“flux文件名”])
规范化的ivar=np.array(训练集中的星的[np.loadtxt(star[“ivar文件名]))
;为模型提供离散是可选的,但稍后会很方便。
dispersion=np.loadtxt(“common_wavelengths.txt”)
线程=-1)< BR> > BR/>指定模型的复杂度:
模型。矢量化器= TC。矢量化器。NormalizedPolynomialVectorizer(LabelDelySt集,
BR/>训练模型!
model.train()
`````