1. 项目概述
作为一名长期从事天文数据分析的研究者,我最近复现了Li等人2026年发表在ApJ上的伽马暴分类论文。这篇论文提出了一套完整的机器学习流程,用于对具有延展辐射(EE)特征的伽马暴进行分类。复现过程中,我不仅实现了论文中的核心算法,还补充了大量实际应用中的细节和技巧,这些都是在原始论文中没有明确说明但对实际工作至关重要的内容。
伽马暴分类是天体物理学中的一个重要课题。传统分类方法主要基于观测参数的经验阈值,而机器学习方法能够从多维特征空间中自动发现潜在的模式和结构。Li等人的工作展示了如何将现代数据科学技术应用于这一领域,为天文数据挖掘提供了很好的范例。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 数据准备与预处理
2.1 原始数据获取与整理
论文中使用了90个EE GRB的8个观测参数作为输入特征。这些参数包括:
- T90:90%能量累积时间
- Fluence:总流量
- Epk:峰值能量
- α:低能谱指数
- β:高能谱指数
- HR:硬度比
- EE duration:延展辐射持续时间
- EE fluence:延展辐射流量
在实际操作中,我遇到了几个关键问题:
- 原始数据需要从论文表格中手动录入
- 部分GRB的某些参数存在缺失值
- 不同参数的量纲差异很大
提示:建议将表格数据转录为CSV格式保存,这样既方便后续处理,也便于版本控制和数据共享。
2.2 数据清洗与缺失值处理
对于缺失值,我采用了以下策略:
- 对于连续变量(如Epk),使用同类别GRB的中位数填充
- 对于分类变量,创建一个新的"未知"类别
- 记录每个特征的缺失比例,超过30%缺失的特征考虑剔除
python复制# 缺失值处理示例代码
import pandas as pd
import numpy as np
def handle_missing_values(df):
# 计算每个特征的缺失比例
missing_ratio = df.isnull().mean()
# 剔除缺失比例过高的特征
to_drop = missing_ratio[missing_ratio > 0.3].index
df = df.drop(columns=to_drop)
# 中位数填充
