moazabeer/Asteroid-Threat-Intelligence-System-ATIS-Explainable-AI-for-Hazardous-Near-Earth-Object-Prediction

# 小行星威胁情报系统 (ATIS) ☄️🤖 ### 用于危险近地天体预测的可解释人工智能 小行星是重要的天体，对其进行跟踪与分类对于行星防御至关重要。**ATIS** 是一个端到端的机器学习管道，旨在利用最先进的梯度提升算法与可解释人工智能（XAI）来预测潜在危险小行星（PHA），从而实现透明的决策过程。 ## 🚀 功能特性 - **自动数据检索**：使用 `kagglehub` 下载最新小行星数据。 - **高级预处理**：鲁棒处理缺失值、轨道参数编码与特征选择。 - **类别不平衡处理**：利用 **SMOTE**（合成少数类过采样技术）解决数据集中危险小行星稀少的问题。 - **高性能模型**：实现并比较多种集成架构： - Random Forest - XGBoost - LightGBM - CatBoost - **可解释人工智能（XAI）**：集成使用 **SHAP**（SHapley Additive exPlanations）来解释模型预测，并识别关键威胁轨道指标。 - **超参数优化**：使用 **Optuna** 进行自动调优，最大化 F1 分数与 ROC-AUC。 ## 🛠️ 技术栈 - **语言：** Python - **数据处理：** `pandas`, `numpy` - **机器学习：** `scikit-learn`, `xgboost`, `lightgbm`, `catboost` - **优化：** `optuna` - **可解释性：** `shap` - **可视化：** `matplotlib`, `seaborn` - **不平衡处理：** `imbalanced-learn` ## 📦 安装说明 要在本地运行本项目，请克隆仓库并安装所需依赖： ``` git clone https://github.com/moazabeer/Asteroid-Threat-Intelligence-System-ATIS-Explainable-AI-for-Hazardous-Near-Earth-Object-Prediction.git cd Asteroid-Threat-Intelligence-System-ATIS-Explainable-AI-for-Hazardous-Near-Earth-Object-Prediction python -m pip install --upgrade pip pip install -r requirements.txt ``` ## 📖 使用方法 1. **数据集下载**：脚本通过 `kagglehub` 自动下载数据集。请确保已配置 Kaggle 账户/API 密钥（如需要），或直接运行脚本让 `kagglehub` 处理。 2. **执行**： python -m src.train 3. **输出**： - 模型性能指标（准确率、精确率、召回率、F1、AUC）。 - 序列化模型及预处理产物保存在 `models/` 目录下。 - 通过 `python -m src.inference ` 或 `atis-predict ` 生成的 CSV 预测文件。 ## 📊 数据集 该系统使用来自 Kaggle 的 **小行星数据集**，包含以下轨道参数： - `a`：半长轴 - `e`：偏心率 - `i`：轨道倾角 - `q`：近日点距离 - `pha`：潜在危险小行星（目标标签） ## 🔍 可解释性 (SHAP) 理解*为什么*某颗小行星被标记为威胁，与预测本身同样重要。ATIS 使用 SHAP 来可视化近日点距离或绝对星等 H 等特征如何影响模型在威胁评估中的置信度。 ## 📄 许可证 本项目基于 [MIT 许可证](LICENSE) 开源。 **免责声明**：本项目仅供教育与研究目的使用。如需官方行星防御数据，请参考 [NASA JPL CNEOS](https://cneos.jpl.nasa.gov/)。

标签：Apex, CatBoost, LightGBM, matplotlib, Mutation, numpy, Optuna, pandas, Python, scikit-learn, seaborn, SHAP, SMOTE, XGBoost, 不平衡分类, 危险小行星预测, 可视化, 可解释AI, 天文学, 太空安全, 小行星威胁, 无后门, 机器学习, 梯度提升, 行星防御, 超参数优化, 近地天体, 逆向工具, 随机森林