详细内容或原文请订阅后点击阅览
探索性数据分析：Python中的γ光谱法（第2部分）
让我们观察原子级的问题探索性数据分析：Python中的伽马光谱（第2部分）首先出现在迈向数据科学。
来源:走向数据科学部分，我对伽马光谱数据进行了探索性数据分析。我们能够看到，使用现代闪烁检测器，我们不仅可以看到该对象是放射性的。使用伽马频谱，我们还能够说明为什么它是放射性的以及对象包含的同位素类型。
部分 为什么在这一部分中，我们将走得更远，我将展示如何制作和训练用于检测放射性元素的机器学习模型。
在我们开始之前，这是一个重要的警告。本文收集的所有数据文件均可在Kaggle上找到，读者可以在没有真正硬件的情况下训练和测试其ML模型。如果您想测试真实对象，请自行采取风险。我使用可以合法发现和购买的来源进行了测试，例如老式的铀玻璃或带有镭盘涂料的旧手表。请检查您的当地法律，并阅读有关处理放射性材料的安全指南。该测试中使用的资源并不是严重的危险，但仍然必须谨慎处理！
重要 警告 真实对象现在，让我们开始吧！我将展示如何使用Radiacode闪烁检测器收集数据，训练模型并运行它。对于那些没有Radiacode硬件的读者，在文章的末尾添加了指向数据源的链接。
radiacode方法论
本文将包含几个部分：
- 我将简要解释伽马频谱是什么以及我们如何使用它。我们将收集ML模型的数据。我将展示用于使用Radiacode设备收集光谱的代码。我们将训练模型并控制其精度。在本文中，我将为该模型制作基于HTMX的Web前端，我们将实时看到结果。
让我们进入它！