तारों के माध्यम से, या स्वर्ग के मामलों में डेटा विश्लेषण

जब हम ऑफिस में बैठकर गर्म चाय पी रहे होते हैं, तो अंतरिक्ष के विस्तार में कहीं न कहीं कुछ महत्वपूर्ण होता है। दुनिया भर के खगोलविदों और शोधकर्ताओं के विचारों को जो लुभावना है, वह आकर्षक, पेचीदा है, और शायद उन लोगों को डराने वाला है जो इस बारे में कुछ अधिक जानते हैं। नई आकाशगंगाएं पैदा होती हैं, टेस्ला इलोना मास्क सामान्य रूप से, सुंदरता में अमर डेविड बॉवी के गीतों के लिए उड़ती हैं।

लेकिन थोड़ी देर के लिए पृथ्वी पर लौटते हैं। यह सिर्फ इतना हुआ कि डेटा विश्लेषण एक क्रॉस-साइंटिफिक ज़रूरत है। और इतना आकर्षक। चूँकि हर चीज की जाँच की जा सकती है, पृथ्वी के आंत्र से लेकर विशाल स्थान तक।

मैं इस तरह के अनुभव के बारे में बात करना चाहता हूं, अर्थात्, डेटा विश्लेषण के लिए आईडीएओ 2019 अंतर्राष्ट्रीय ओलंपियाड में भागीदारी, जो कि मेरे मूल विश्वविद्यालय - एचएसई द्वारा लगातार तीसरे वर्ष आयोजित की गई है।

"अंतरिक्ष दुर्घटनाओं" की रोकथाम और पता लगाने के लिए कार्य को कम कर दिया गया था, जब उपग्रहों को कक्षा में इष्टतम गति पथ नहीं होने के कारण एक दूसरे में दुर्घटनाग्रस्त हो जाता है, जो अंतरिक्ष के मलबे में बदल जाता है, जिससे कॉस्मिक गति कई और दुर्घटनाओं का कारण बन सकती है, कई मिलियन डॉलर का नुकसान और कई कॉल नासा या रोस्कोस्मोस में कहीं एक कालीन। ऐसा क्यों हुआ? जाहिर है, सितारों को दोष देना है। या नहीं, आइए इसका पता लगाते हैं।
वैसे, कम पृथ्वी की कक्षा में उड़ने वाले स्थलीय मूल के अंतरिक्ष वस्तुओं की संख्या पर आंकड़े नीचे दिए गए हैं।



यह देखा जा सकता है कि अंतरिक्ष मलबे की मात्रा साल दर साल बढ़ रही है।

इसलिए, यहां मैं यह बताने की कोशिश करूंगा कि हमारी टीम 302 में से 22 वां स्थान कैसे ले पाई।

शुरू करने के लिए, स्रोत डेटा पर विचार करें, जो निम्नानुसार हैं।



जहां x, y, z तीन आयामी अंतरिक्ष में वस्तु के निर्देशांक हैं, और Vx, Vy, Vz वेग हैं। GPT-4 द्वारा प्राप्त सिमुलेशन डेटा भी _sim उपसर्ग के साथ हैं जिनका उपयोग नहीं किया जाएगा।

सबसे पहले, आइए एक साधारण विज़ुअलाइज़ेशन का निर्माण करें, इससे यह समझने में मदद मिलेगी कि डेटा की व्यवस्था कैसे की जाती है। मैंने कथानक का इस्तेमाल किया। यदि हम दो-आयामी समन्वय प्रणाली में डेटा पर विचार करते हैं, तो वे निम्नानुसार दिखते हैं। सातवें उपग्रह का y अक्ष नीचे प्रदर्शित किया गया है। अधिक ग्राफ़ हैं जो आप माउस और मुस्कराहट के साथ घुमा सकते हैं जबकि जीथब पर .ipynb में अच्छा समय है।



EDA (Explorative Data Analysisze) का संचालन करते समय, यह देखा गया कि डेटा में अवलोकन होते हैं जो एक सेकंड में समय के अनुसार भिन्न होते हैं। उन्हें मौसमी बनाए रखने के लिए हटाया जाना चाहिए। सबसे अधिक संभावना है कि एक ही वस्तु का एक ही बिंदु पर दो बार पता लगाया गया था।

संक्षेप में, इस समय श्रृंखला में स्पष्ट रूप से एक रेखीय प्रवृत्ति और 24 के बराबर मौसमी है, यानी, उपग्रह 24 टिप्पणियों में पृथ्वी के चारों ओर एक क्रांति बनाता है। यह भविष्य में इष्टतम एल्गोरिदम चुनने में मदद करेगा।

अब हम एक फ़ंक्शन लिखेंगे जो कि मॉडल के मापदंडों को अनुकूलित करते हुए और एकाइक मानदंड के न्यूनतम मूल्य के साथ सर्वश्रेष्ठ का चयन करते हुए SARIMA एल्गोरिथ्म (स्टैटमॉडल पैकेज से कार्यान्वयन का उपयोग किया गया) का उपयोग करके समय श्रृंखला के मूल्यों की भविष्यवाणी करेगा। यह दिखाता है कि मॉडल कितना जटिल है और पीछे हट गया है। सूत्र नीचे दिया गया है।



अंतिम निष्कर्ष इस प्रकार था:



बेशक, हमारी टीम कई दर्जन पुनरावृत्तियों और कोड के फिर से लिखने के बाद इस पर आई थी। कुछ आया, जिससे हमारी गति में काफी सुधार हुआ, आखिरकार कुछ गिर गया, लैंगोलियर्स की तरह हमारे समय को बर्बाद कर दिया। लेकिन एक रास्ता या दूसरा, पूर्वानुमान अगले महीने के लिए उपग्रह और उसके वेग की स्थिति से बना था।

गुणवत्ता मीट्रिक SMAPE था, सममित माध्य प्रतिशत त्रुटि।



जहां F_t अनुमानित मूल्य हैं, F_t सही मूल्य हैं।

अंतिम सूत्र इस प्रकार था:



अंत में, हमारी टीम को नोटबंदी के लिए इतने अच्छे-अच्छे .ipynb कोड के ढेर मिले, बिलकुल अतार्किक नामों वाली स्लीव फाइलें, रातों की नींद हराम करने वाली, लीडरबोर्ड के हजारों अपडेट, दर्जनों गिरे हुए सबमिशन और एमएल हैकाथॉन के अन्य प्रसन्न, कुएं, और 22 वें स्थान से। एक निजी लीडरबोर्ड पर 302 टीमें, अर्थात टॉप 7% मारा।



समाधान के अनुकूलन के लिए विचारों के रूप में, ईडीए में गहरे स्तर पर डेटा को कम स्तर पर समझने के लिए, अन्य भविष्य कहनेवाला एल्गोरिदम का उपयोग करने की कोशिश करने का प्रस्ताव है। रिपॉजिटरी में अधिक विस्तृत विश्लेषण। एमएल से प्यार करें और बने रहें।

कोड लिंक