helenqu/astro-classification-noaugment

---
license: mit
---

# Data Format
The dataset has been split into `train`, `val`, and `test` jsonl files.
Each line of each jsonl file has the following fields:
* `object_id`: unique identifier for the object
* `times_wv`: an array of shape _(T, 2)_, where the i-th element contains (t_i, w_i), the time and wavelength of the i-th measured flux value. If t_i = 0, then this is a padded value and the associated flux f_i will also be 0.
* `lightcurve`: an array of shape _(T, 2)_, where the i-th element contains (f_i, f_err_i), the i-th flux and uncertainty on that flux measurement (flux error).
* `label`: an integer label corresponding to an astronomical object type. This is the value to be predicted.

# Usage
The directory includes a custom dataset loading script (`raw_train_with_labels.py`), which will be used when calling
```
load_dataset("/path/to/current/dir")
```

原始信息汇总

数据集格式

数据集被分为 train、val 和 test 三个 jsonl 文件。每个 jsonl 文件的每一行包含以下字段：

• object_id：对象的唯一标识符。
• times_wv：形状为 (T, 2) 的数组，其中第 i 个元素包含 (t_i, w_i)，表示第 i 个测量通量值的时间和波长。如果 t_i = 0，则这是一个填充值，关联的通量 f_i 也将为 0。
• lightcurve：形状为 (T, 2) 的数组，其中第 i 个元素包含 (f_i, f_err_i)，表示第 i 个通量及其测量不确定度（通量误差）。
• label：对应于天文对象类型的整数标签。这是需要预测的值。

使用方法

目录中包含一个自定义的数据集加载脚本（raw_train_with_labels.py），在调用以下命令时将使用该脚本：

load_dataset("/path/to/current/dir")