- Deskripsi :
Data dihasilkan dengan menggunakan simulasi Monte Carlo. 21 fitur pertama (kolom 2-22) adalah properti kinematik yang diukur dengan detektor partikel pada akselerator. Tujuh fitur terakhir merupakan fungsi dari 21 fitur pertama; ini adalah fitur tingkat tinggi yang diturunkan oleh fisikawan untuk membantu membedakan kedua kelas tersebut. Ada minat dalam menggunakan metode pembelajaran mendalam untuk meniadakan kebutuhan fisikawan untuk mengembangkan fitur tersebut secara manual. Hasil benchmark menggunakan Bayesian Decision Trees dari paket fisika standar dan jaringan saraf 5-lapis disajikan dalam makalah asli.
Situs web : https://archive.ics.uci.edu/ml/datasets/HIGGS
Kode sumber :
tfds.structured.Higgs
Versi :
-
2.0.0
(default): API split baru ( https://tensorflow.org/datasets/splits )
-
Ukuran unduhan :
2.62 GiB
Ukuran kumpulan data :
Unknown size
Cache otomatis ( dokumentasi ): Tidak diketahui
Split :
Membagi | Contoh |
---|---|
'train' | 11.000.000 |
- Fitur :
FeaturesDict({
'class_label': tf.float32,
'jet_1_b-tag': tf.float64,
'jet_1_eta': tf.float64,
'jet_1_phi': tf.float64,
'jet_1_pt': tf.float64,
'jet_2_b-tag': tf.float64,
'jet_2_eta': tf.float64,
'jet_2_phi': tf.float64,
'jet_2_pt': tf.float64,
'jet_3_b-tag': tf.float64,
'jet_3_eta': tf.float64,
'jet_3_phi': tf.float64,
'jet_3_pt': tf.float64,
'jet_4_b-tag': tf.float64,
'jet_4_eta': tf.float64,
'jet_4_phi': tf.float64,
'jet_4_pt': tf.float64,
'lepton_eta': tf.float64,
'lepton_pT': tf.float64,
'lepton_phi': tf.float64,
'm_bb': tf.float64,
'm_jj': tf.float64,
'm_jjj': tf.float64,
'm_jlv': tf.float64,
'm_lv': tf.float64,
'm_wbb': tf.float64,
'm_wwbb': tf.float64,
'missing_energy_magnitude': tf.float64,
'missing_energy_phi': tf.float64,
})
Kunci yang diawasi (Lihat
as_supervised
doc ):None
Kutipan :
@article{Baldi:2014kfa,
author = "Baldi, Pierre and Sadowski, Peter and Whiteson, Daniel",
title = "{Searching for Exotic Particles in High-Energy Physics
with Deep Learning}",
journal = "Nature Commun.",
volume = "5",
year = "2014",
pages = "4308",
doi = "10.1038/ncomms5308",
eprint = "1402.4735",
archivePrefix = "arXiv",
primaryClass = "hep-ph",
SLACcitation = "%%CITATION = ARXIV:1402.4735;%%"
}
Gambar ( tfds.show_examples ): Tidak didukung.
Contoh ( tfds.as_dataframe ):