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（）
`````
欢迎加入QQ群-->： 979659372
