Bu proje, gözleme dayalı astronomik nesnelerin (yıldızlar, galaksiler ve kuasarlarda) spektral özelliklerine dayalı olarak sınıflandırılmasını içermektedir. Sloan Dijital Gökyüzü Taraması (SDSS) veri kümesi kullanılarak gerçekleştirilen bu proje, gözleme dayalı astronomi alanında önemli bir uygulamayı temsil etmektedir.
- Astronomik nesnelerin spektral özelliklerine dayalı olarak sınıflandırılması.
- Veri görselleştirmesi ile önemli ilişkilerin anlaşılması.
- K-Means kümeleme algoritması kullanılarak verinin kümelere ayrılması.
Proje, aşağıdaki ana teknoloji ve araçları içermektedir:
- Python: Proje kodu Python programlama dili kullanılarak yazılmıştır.
- Pandas: Veri manipülasyonu ve analizi için Pandas kütüphanesi kullanılmıştır.
- Seaborn ve Matplotlib: Veriyi görselleştirmek için Seaborn ve Matplotlib grafik kütüphaneleri kullanılmıştır.
- Scikit-Learn: K-Means kümeleme modelini oluşturmak için Scikit-Learn kütüphanesi kullanılmıştır.
- Jupyter Notebook: Veri analizi ve kod geliştirme için Jupyter Notebook kullanılmıştır.
Bu proje, 100.000 gözlem verisini içeren SDSS17 (Sloan Digital Sky Survey 17. veri sürümü) veri kümesini kullanmaktadır. Veri kümesi, farklı astronomik nesneleri tanımlayan 17 özellik sütunu içermektedir.
-
Bu projeyi klonlayın: git clone https://github.com/ThecoderPinar/Stellar-Sleuth
-
Proje dizinine gidin: cd Stellar-Sleuth
-
Gereksinimleri yükleyin: pip install -r requirements.txt
Proje dizini aşağıdaki dosyaları içermektedir:
,- star_classification.csv
: SDSS17 veri kümesini içeren CSV dosyası.
README.md
: Proje açıklama dosyası (bu dosya).requirements.txt
: Projeyi çalıştırmak için gerekli Python paketlerinin listesi.
Proje kodunu çalıştırmak için aşağıdaki adımları izleyin:
classification.ipynb
dosyasını çalıştırın:
Bu proje MIT Lisansı altında lisanslanmıştır.
Projeyle ilgili herhangi bir sorunuz veya geri bildiriminiz varsa, lütfen iletişime geçmekten çekinmeyin.