利用机器学习在不完整数据集上估计系外行星质量

BriefGPT - AI 论文速递 ·

本研究解决了系外行星数据集中质量测量的缺失值问题。通过比较五种机器学习算法，发现使用额外不完整数据时效果更好。提出的$k$NN$ imes$KDE算法能提供属性的概率分布，展现出高可信度和行星群体特征。

$k$NN$ imes$KDE 数据集机器学习概率分布系外行星缺失值

原文中文，约300字，阅读约需1分钟。