ヒッグス

• 説明:

データは、モンテカルロ シミュレーションを使用して作成されています。最初の 21 個の特徴 (2 列目から 22 列目) は、加速器内の粒子検出器によって測定された運動学的特性です。最後の 7 つの機能は、最初の 21 の機能の機能です。これらは、2 つのクラスを区別するのに役立つように物理学者によって導出された高レベルの機能です。深層学習手法を使用して、物理学者がそのような機能を手動で開発する必要性をなくすことに関心があります。標準の物理パッケージのベイジアン決定木と 5 層ニューラル ネットワークを使用したベンチマーク結果は、元の論文に示されています。

• 追加のドキュメント:コードnorth_eastを使用したペーパーの探索

• ホームページ: https://archive.ics.uci.edu/ml/datasets/HIGGS

• ソース コード: tfds.structured.Higgs

• バージョン:

  • 2.0.0 (デフォルト): 新しい分割 API ( https://tensorflow.org/datasets/splits )

• ダウンロードサイズ: 2.62 GiB

• データセットサイズ: 6.88 GiB

• 自動キャッシュ(ドキュメント): いいえ

• スプリット:

• 機能構造:

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,
})

• 機能のドキュメント:

• 監視されたキー( as_supervised docを参照): None

• 図( tfds.show_examples ): サポートされていません。

• 例( tfds.as_dataframe ):

• 引用：

@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;%%"
}

• 説明:

データは、モンテカルロ シミュレーションを使用して作成されています。最初の 21 個の特徴 (2 列目から 22 列目) は、加速器内の粒子検出器によって測定された運動学的特性です。最後の 7 つの機能は、最初の 21 の機能の機能です。これらは、2 つのクラスを区別するのに役立つように物理学者によって導出された高レベルの機能です。深層学習手法を使用して、物理学者がそのような機能を手動で開発する必要性をなくすことに関心があります。標準の物理パッケージのベイジアン決定木と 5 層ニューラル ネットワークを使用したベンチマーク結果は、元の論文に示されています。

• 追加のドキュメント:コードnorth_eastを使用したペーパーの探索

• ホームページ: https://archive.ics.uci.edu/ml/datasets/HIGGS

• ソース コード: tfds.structured.Higgs

• バージョン:

  • 2.0.0 (デフォルト): 新しい分割 API ( https://tensorflow.org/datasets/splits )

• ダウンロードサイズ: 2.62 GiB

• データセットサイズ: 6.88 GiB

• 自動キャッシュ(ドキュメント): いいえ

• スプリット:

• 機能構造:

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,
})

• 機能のドキュメント:

• 監視されたキー( as_supervised docを参照): None

• 図( tfds.show_examples ): サポートされていません。

• 例( tfds.as_dataframe ):

• 引用：

@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;%%"
}