higgs

• Mô tả :

Dữ liệu đã được tạo ra bằng cách sử dụng mô phỏng Monte Carlo. 21 tính năng đầu tiên (cột 2-22) là các đặc tính động học được đo bằng máy dò hạt trong máy gia tốc. Bảy tính năng cuối cùng là chức năng của 21 tính năng đầu tiên; đây là những tính năng cấp cao được các nhà vật lý rút ra để giúp phân biệt giữa hai lớp. Người ta quan tâm đến việc sử dụng các phương pháp học sâu để loại bỏ nhu cầu phát triển thủ công các tính năng đó của các nhà vật lý. Kết quả điểm chuẩn bằng cách sử dụng Cây quyết định Bayes từ gói vật lý tiêu chuẩn và mạng nơ-ron 5 lớp được trình bày trong bài báo gốc.

• Tài liệu bổ sung : Khám phá trên giấy tờ với mã

• Trang chủ : https://archive.ics.uci.edu/ml/datasets/HIGGS

• Mã nguồn : tfds.structured.Higgs

• Phiên bản :

  • 2.0.0 (mặc định): API phân tách mới ( https://tensorflow.org/datasets/splits )

• Kích thước tải xuống : 2.62 GiB

• Kích thước tập dữ liệu : 6.88 GiB

• Tự động lưu vào bộ nhớ cache ( tài liệu ): Không

• Chia tách :

Tách ra	ví dụ
'train'	11.000.000

• Cấu trúc tính năng :

FeaturesDict({
    'class_label': float32,
    'jet_1_b-tag': float64,
    'jet_1_eta': float64,
    'jet_1_phi': float64,
    'jet_1_pt': float64,
    'jet_2_b-tag': float64,
    'jet_2_eta': float64,
    'jet_2_phi': float64,
    'jet_2_pt': float64,
    'jet_3_b-tag': float64,
    'jet_3_eta': float64,
    'jet_3_phi': float64,
    'jet_3_pt': float64,
    'jet_4_b-tag': float64,
    'jet_4_eta': float64,
    'jet_4_phi': float64,
    'jet_4_pt': float64,
    'lepton_eta': float64,
    'lepton_pT': float64,
    'lepton_phi': float64,
    'm_bb': float64,
    'm_jj': float64,
    'm_jjj': float64,
    'm_jlv': float64,
    'm_lv': float64,
    'm_wbb': float64,
    'm_wwbb': float64,
    'missing_energy_magnitude': float64,
    'missing_energy_phi': float64,
})

• Tài liệu tính năng :

Tính năng	Lớp	Hình dạng	Dtype	Sự mô tả
	Tính năngDict
lớp_nhãn	tenxơ		phao32
jet_1_b-tag	tenxơ		phao64
máy bay phản lực_1_eta	tenxơ		phao64
máy bay phản lực_1_phi	tenxơ		phao64
máy bay phản lực_1_pt	tenxơ		phao64
jet_2_b-tag	tenxơ		phao64
máy bay phản lực_2_eta	tenxơ		phao64
máy bay phản lực_2_phi	tenxơ		phao64
máy bay phản lực_2_pt	tenxơ		phao64
jet_3_b-tag	tenxơ		phao64
máy bay phản lực_3_eta	tenxơ		phao64
máy bay phản lực_3_phi	tenxơ		phao64
máy bay phản lực_3_pt	tenxơ		phao64
jet_4_b-tag	tenxơ		phao64
máy bay phản lực_4_eta	tenxơ		phao64
máy bay phản lực_4_phi	tenxơ		phao64
máy bay phản lực_4_pt	tenxơ		phao64
lepton_eta	tenxơ		phao64
lepton_pT	tenxơ		phao64
lepton_phi	tenxơ		phao64
m_bb	tenxơ		phao64
m_jj	tenxơ		phao64
m_jjj	tenxơ		phao64
m_jlv	tenxơ		phao64
m_lv	tenxơ		phao64
m_wbb	tenxơ		phao64
m_wwbb	tenxơ		phao64
thiếu_năng_lượng_cường độ	tenxơ		phao64
thiếu_năng lượng_phi	tenxơ		phao64

• Các khóa được giám sát (Xem as_supervised doc ): None

• Hình ( tfds.show_examples ): Không được hỗ trợ.

• Ví dụ ( tfds.as_dataframe ):

• trích dẫn :

@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;%%"
}