详细内容或原文请订阅后点击阅览
使用变压器预测极其罕见的太阳耀斑
机器学习如何针对罕见事件做出改变使用 Transformers 来预测极其罕见的太阳耀斑一文首先出现在 Towards Data Science 上。
来源:走向数据科学简介 (X-45)
预测都会发生根本性的变化。我们必须从根本上改变我们正在建模的内容，以关注尾部事件。从模型性能指标和目标定义到尾部模型和变压器输出头，罕见事件预测都很困难。困难但值得。
2003 年的万圣节风暴始于对太阳的扰动，太阳是一个单一的暗点，引发了卫星时代最强烈的太空天气事件之一。从 10 月底到 11 月初，太阳盘上出现了一系列巨大的活跃区域。这向地球释放了强大的耀斑和磁化等离子体云。该活动呈现出一种具有无线电波影响的独特美学风格。
卫星出现故障，GPS 和无线电中断，航空公司改变了极地航班的航线。据 NOAA 称，全球电网受到影响，部分电流超过 100 安培，导致瑞典马尔默停电。世界标准时间 20:07，该地区停电，导致约 50,000 名客户在 20 至 50 分钟内断电。
一场国际性的震动，该事件使 GOES X 射线传感器饱和，因此耀斑的真实大小只能通过重建来计算。通常被称为 X-45，因其大小比 M-1 大 450 倍，是一种中型照明弹。下表显示了耀斑里氏震级。
预测问题
灾难的一个矛盾问题是，灾难性越大，发生的概率就越少。想想洪水、暴风雪和雪崩。每个50年的故事五十年才会发生一次。这通常是一件好事，但由于它们的稀有性，它们变得非常难以预测。
有几个因素使得预测罕见事件成为机器学习中特别有趣的挑战：
真阳性 = 0