힉스

• 설명 :

데이터는 Monte Carlo 시뮬레이션을 사용하여 생성되었습니다. 처음 21개의 특징(열 2-22)은 가속기의 입자 탐지기로 측정된 운동학적 특성입니다. 마지막 7개 기능은 처음 21개 기능의 기능입니다. 이들은 두 클래스를 구별하는 데 도움이 되도록 물리학자들이 파생한 높은 수준의 기능입니다. 물리학자가 이러한 기능을 수동으로 개발할 필요성을 없애기 위해 딥 러닝 방법을 사용하는 데 관심이 있습니다. 표준 물리 패키지와 5계층 신경망의 베이지안 결정 트리를 사용한 벤치마크 결과는 원본 논문에 제시되어 있습니다.

• 추가 문서 : north_east 코드가 있는 논문에서 탐색

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

• 소스 코드 : tfds.structured.Higgs

• 버전 :

  • 2.0.0 (기본값): 새로운 분할 API( https://tensorflow.org/datasets/splits )

• 다운로드 크기 : 2.62 GiB

• 데이터세트 크기 : 6.88 GiB

• 자동 캐시 ( 문서 ): 아니요

• 분할 :

• 기능 구조 :

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,
})

• 기능 문서 :

• 감독된 키 ( as_supervised 문서 참조): None

• 그림 ( tfds.show_examples ): 지원되지 않습니다.

• 예 ( tfds.as_dataframe ):

• 인용 :

@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;%%"
}

• 설명 :

데이터는 Monte Carlo 시뮬레이션을 사용하여 생성되었습니다. 처음 21개의 특징(열 2-22)은 가속기의 입자 탐지기로 측정된 운동학적 특성입니다. 마지막 7개 기능은 처음 21개 기능의 기능입니다. 이들은 두 클래스를 구별하는 데 도움이 되도록 물리학자들이 파생한 높은 수준의 기능입니다. 물리학자가 이러한 기능을 수동으로 개발할 필요성을 없애기 위해 딥 러닝 방법을 사용하는 데 관심이 있습니다. 표준 물리 패키지와 5계층 신경망의 베이지안 결정 트리를 사용한 벤치마크 결과는 원본 논문에 제시되어 있습니다.

• 추가 문서 : north_east 코드가 있는 논문에서 탐색

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

• 소스 코드 : tfds.structured.Higgs

• 버전 :

  • 2.0.0 (기본값): 새로운 분할 API( https://tensorflow.org/datasets/splits )

• 다운로드 크기 : 2.62 GiB

• 데이터세트 크기 : 6.88 GiB

• 자동 캐시 ( 문서 ): 아니요

• 분할 :

• 기능 구조 :

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,
})

• 기능 문서 :

• 감독된 키 ( as_supervised 문서 참조): None

• 그림 ( tfds.show_examples ): 지원되지 않습니다.

• 예 ( tfds.as_dataframe ):

• 인용 :

@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;%%"
}