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3部分）
让我们观察原子级的问题探索性数据分析：Python中的γ光谱法（第3部分）首先出现在迈向数据科学上。
来源:走向数据科学我们周围的对象可能是略微放射性的。烟雾探测器中的Americium，一些老式手表中的阳台或老式玻璃中的铀；完整列表可以很长。通常，这些物体是安全的，不能导致健康风险。识别它们并在原子水平上研究问题也很有趣。我们可以使用辐射探测器来做到这一点。在第一部分中，我对伽马光谱数据进行了探索性数据分析。在第二部分中，我创建了一个用于检测放射性同位素的机器学习模型。这是最后一个第三部分，是时候为真实应用添加创建的模型了！
第一部分 第二部分在这个故事中，我将测试两种方法：
- 我将创建一个公共简化应用程序，该应用程序将在简化云上免费托管（该应用程序链接已添加到文章的末尾）。由于更灵活，更通用的解决方案，我将创建一个基于Python HTMX的应用程序，可以与真实的硬件进行通信并实时进行预测。
以与上一部分相同的方式，我将使用Radiacode闪烁检测器获取数据（免责声明：该测试中使用的设备是由制造商提供的；我没有从销售中获得任何商业利润，并且我没有获得有关所有测试的任何社论输入）。没有Radiacode硬件的读者将能够使用Kaggle上可用的文件测试应用程序和模型。
radiacode让我们开始吧！
1。同位素分类模型
上一部分该模型包含三个组件：
让我们将所有这些都包裹在一个python类中：
Spectrum 计数 radiacode SpectrumpRumpRecessing 在这里