使用機器學習技術檢測 Kepler 太空望遠鏡觀測的系外行星
本專案使用 NASA Kepler 太空望遠鏡 的光變曲線數據，透過多種機器學習模型（CNN、XGBoost、Random Forest）來識別系外行星候選者。專案包含完整的資料前處理、模型訓練、評估與視覺化流程。
- 🎯 三分類任務: CONFIRMED（已確認）/ CANDIDATE（候選）/ FALSE POSITIVE（偽陽性）
- 🧠 多模型支援: Genesis CNN、XGBoost、Random Forest
- 📊 完整流程: 資料前處理 → 訓練 → 評估 → 視覺化 → 報告生成
- 🚀 Google Colab 友好: 完全相容 Colab 環境
- 🔬 SPARC 方法論: 整合 Claude-Flow 的 SPARC 開發流程
- ⚡ GPU 加速: 支援 GPU 訓練（TensorFlow 與 XGBoost）
colab_notebook/
├── 📊 數據檔案
│ ├── koi_lightcurve_features_no_label.csv # 光變曲線特徵 (17MB, 1,866行, 784欄位)
│ └── q1_q17_dr25_koi.csv # KOI 標籤數據 (290KB, 8,054行)
│
├── 🐍 主要程式碼
│ └── kepler_exoplanet_detection_complete_training_(2025).py
│
├── 📁 scripts/ - 資料處理腳本
│ ├── kepler_data_preprocessing_2025.py # 資料前處理主腳本
│ ├── test_preprocessing.py # 測試腳本
│ ├── README.md # 腳本詳細說明
│ ├── COLAB_QUICK_START.md # Colab 快速指南
│ ├── PROJECT_SUMMARY.md # 專案總覽
│ └── TEST_REPORT.md # 測試報告
│
├── 🛠️ 配置與文檔
│ ├── CLAUDE.md # Claude Code 配置
│ ├── .mcp.json # MCP 伺服器配置
│ ├── .gitignore # Git 忽略檔案
│ └── README.md # 本檔案
│
└── 📂 系統目錄
├── .claude/ # Claude Code 代理配置
├── .claude-flow/ # Claude Flow 協調系統
├── .hive-mind/ # 群體智能配置
├── .swarm/ # Swarm 協調
├── memory/ # 記憶體系統
└── coordination/ # 任務編排
前往 Google Colab
# 1. 上傳腳本檔案到 Colab
# 2. 在程式碼區塊中執行
# 如果需要資料前處理，先執行：
%run scripts/kepler_data_preprocessing_2025.py
# 然後執行完整訓練：
%run kepler_exoplanet_detection_complete_training_(2025).py腳本會自動提示上傳以下檔案：
koi_lightcurve_features_no_label.csvq1_q17_dr25_koi.csv
訓練流程包含：
- 🔄 資料載入與前處理
- 🧠 模型訓練（Genesis CNN, XGBoost, Random Forest）
- 📊 性能評估
- 📈 視覺化圖表生成
- 📄 PDF 報告生成
系統需求:
- Python 3.11+
- NumPy 2.0.2+
- 16GB+ RAM（建議）
- GPU（可選，加速訓練）
安裝依賴:
pip install numpy pandas scikit-learn tensorflow keras xgboost matplotlib seaborn reportlab imbalanced-learn確保以下檔案在專案根目錄：
koi_lightcurve_features_no_label.csvq1_q17_dr25_koi.csv
cd scripts
python kepler_data_preprocessing_2025.py這會產生：
X_train.csv,y_train.csv- 訓練集X_test.csv,y_test.csv- 測試集kepler_preprocessing_visualization.png- 視覺化圖表
# 返回專案根目錄
cd ..
# 執行訓練腳本
python kepler_exoplanet_detection_complete_training_(2025).py- 來源: NASA Kepler Space Telescope
- 資料集: Q1-Q17 DR25 KOI Catalog
- 特徵: 784 個從光變曲線提取的時間序列特徵
- 標籤: 三類（CONFIRMED, CANDIDATE, FALSE POSITIVE）
| 項目 | 數值 |
|---|---|
| 總樣本數 | 1,866 筆（有特徵的） |
| 特徵維度 | 784 個時間序列特徵 |
| 標籤類別 | 3 類 |
| 資料分佈 | CANDIDATE (~45%), FALSE POSITIVE (~35%), CONFIRMED (~20%) |
| 訓練/測試比例 | 3:1 (75% / 25%) |
- 統計特徵（均值、中位數、標準差等）
- 時間序列特徵（自相關、偏自相關等）
- 頻域特徵（FFT 係數、CWT 係數等）
- 非線性特徵（熵、對稱性等）
深度學習卷積神經網路
架構:
- Conv1D (64 filters, kernel=50) + ReLU + MaxPooling
- Conv1D (64 filters, kernel=50) + ReLU + MaxPooling
- Conv1D (64 filters, kernel=12) + ReLU + AveragePooling
- Dropout (0.25)
- Dense (256) + ReLU
- Dense (256) + ReLU
- Dense (2, Softmax)
優化器: Adam
損失函數: Categorical Crossentropy
GPU 加速: ✅梯度提升決策樹
參數:
- n_estimators: 100
- max_depth: 6
- learning_rate: 0.1
- tree_method: gpu_hist (GPU 加速)
- scale_pos_weight: 自動計算（處理類別不平衡）
GPU 加速: ✅隨機森林分類器
參數:
- n_estimators: 100
- max_depth: 10
- class_weight: balanced（處理類別不平衡）
- n_jobs: -1（使用所有 CPU 核心）
平行處理: ✅1. 數據載入
↓
2. SMOTE 類別平衡 (處理類別不平衡問題)
↓
3. 模型訓練（平行訓練三個模型）
├─ Genesis CNN (GPU 加速)
├─ XGBoost (GPU 加速)
└─ Random Forest (CPU 平行)
↓
4. 模型評估
├─ Accuracy, Precision, Recall
├─ F1-Score, ROC-AUC
└─ Confusion Matrix
↓
5. 視覺化生成
├─ 性能比較圖
├─ ROC-AUC 曲線
└─ 混淆矩陣熱圖
↓
6. PDF 報告生成
└─ 完整的模型比較報告
- ✅ SMOTE: 合成少數類樣本，平衡資料集
- ✅ Early Stopping: 防止 CNN 過擬合
- ✅ Stratified Split: 保持類別比例的切分
- ✅ GPU 加速: TensorFlow 與 XGBoost GPU 支援
reports/kaggle_comparison_results.json
包含：
- 完整的模型指標
- 訓練時間
- 數據集資訊
- 系統環境資訊
figures/
├── performance_comparison.png # 性能比較（4項指標）
├── roc_time_comparison.png # ROC-AUC & 訓練時間
└── confusion_matrices.png # 混淆矩陣（3個模型）
reports/KAGGLE_MODEL_COMPARISON_REPORT.pdf
完整的模型比較報告，包含：
- 模型性能表格
- 視覺化圖表
- 元數據資訊
kaggle_results_complete.zip
包含所有結果檔案
# 執行前處理腳本
%run scripts/kepler_data_preprocessing_2025.py
# 查看處理後的變數
print(f"X_train shape: {X_train.shape}")
print(f"y_train shape: {y_train.shape}")
print(f"X_test shape: {X_test.shape}")
print(f"y_test shape: {y_test.shape}")
# 查看標籤分佈
print("\n訓練集標籤分佈:")
for col in y_train.columns:
count = y_train[col].sum()
print(f" {col}: {count} ({count/len(y_train)*100:.2f}%)")from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import classification_report
# 轉換標籤為單一類別
y_train_labels = y_train.idxmax(axis=1)
y_test_labels = y_test.idxmax(axis=1)
# 訓練 Random Forest
model = RandomForestClassifier(n_estimators=100, random_state=42)
model.fit(X_train, y_train_labels)
# 預測與評估
y_pred = model.predict(X_test)
print(classification_report(y_test_labels, y_pred))# 直接執行完整訓練腳本
%run kepler_exoplanet_detection_complete_training_(2025).py
# 腳本會自動：
# 1. 載入數據
# 2. SMOTE 平衡
# 3. 訓練三個模型
# 4. 評估與比較
# 5. 生成視覺化
# 6. 產生 PDF 報告
# 7. 下載結果本專案整合了 Claude-Flow 的 SPARC 方法論和多代理協調系統。
# 確認 MCP 伺服器已配置
cat .mcp.json
# 執行 SPARC 流程
npx claude-flow@alpha sparc run spec-pseudocode "分析 Kepler 數據模式"
npx claude-flow@alpha sparc run architect "設計新的模型架構"
npx claude-flow@alpha sparc tdd "實作特徵工程"# 初始化 Swarm
npx claude-flow@alpha swarm init --topology mesh --agents 5
# 派發任務
npx claude-flow@alpha task orchestrate "優化模型超參數"
# 監控進度
npx claude-flow@alpha swarm monitor修改主腳本中的參數：
# 調整 CNN 架構
def build_genesis_cnn():
model = Sequential([
Conv1D(128, 50, ...), # 增加 filters
# ... 自訂層數
])
# 調整 XGBoost 參數
xgb_model = xgb.XGBClassifier(
n_estimators=200, # 增加樹的數量
max_depth=8, # 增加深度
learning_rate=0.05, # 降低學習率
...
)症狀: MemoryError 或 OOM (Out of Memory)
解決方案:
# 減少批次大小
history = genesis_model.fit(
X_train_cnn, y_train_cat,
batch_size=16, # 從 32 降到 16
...
)
# 或減少特徵維度
X_train_reduced = X_train.iloc[:, :500] # 只用前 500 個特徵症狀: TensorFlow 或 XGBoost 警告無 GPU
解決方案:
# 檢查 GPU
import tensorflow as tf
print("GPU Available:", tf.config.list_physical_devices('GPU'))
# Colab 啟用 GPU
# Runtime → Change runtime type → Hardware accelerator → GPU症狀: FileNotFoundError
解決方案:
# 確認檔案路徑
import os
print("Current directory:", os.getcwd())
print("Files:", os.listdir('.'))
# Colab 手動上傳
from google.colab import files
uploaded = files.upload()症狀: ImportError 或版本衝突
解決方案:
# 更新套件到最新版本
pip install --upgrade numpy pandas scikit-learn tensorflow keras xgboost
# 或安裝特定版本
pip install numpy==2.0.2 pandas==2.3.1- Shallue & Vanderburg (2018): "Identifying Exoplanets with Deep Learning"
- Armstrong et al. (2020): "K2 Exoplanet Detection via Neural Networks"
歡迎提交 Issue 或 Pull Request！
- Fork 本專案
- 創建特性分支 (
git checkout -b feature/amazing-feature) - 提交變更 (
git commit -m 'Add some amazing feature') - 推送到分支 (
git push origin feature/amazing-feature) - 開啟 Pull Request
本專案遵循 MIT License
- 專案維護: Claude AI
- 問題回報: 請使用 GitHub Issues
- 文檔: 查看
scripts/目錄中的詳細文檔
- NASA Kepler Mission Team
- Kaggle Kepler Dataset Contributors
- TensorFlow & XGBoost Teams
- Open Source Community
最後更新: 2025-10-05 版本: 1.0.0 狀態: ✅ 已完成測試，可供使用