数据集概述
该数据集是Spacekit机器学习算法的数据集、模型及训练结果的集合。包含不同类型的文件，覆盖HST、JWST等空间任务相关数据，以及支持SVM等机器学习方法的训练和测试数据，通过版本控制管理更新。
文件详解
该数据集包含16个文件，具体说明如下：
- 压缩文件（.zip格式，共12个）：
- 空间任务相关数据：hst_cal_std_2021-08-22.zip、hst_cal_std_2021-10-28.zip、jwst_cal.zip、hst_cal.zip等，包含HST和JWST的校准数据等
- 训练数据：k2-exo-flux-ts-train.csv.zip，包含开普勒K2任务的系外行星光变曲线训练数据
- 模型相关数据：hst_drz_svm_2022-01-30.zip、hst_drz_svm_2022-01-16.zip，包含HST的DRZ数据及SVM模型相关内容
- CSV数据文件（.csv格式，共3个）：
- hst_cal_categorized_subset.csv：字段包括category、target、description、x_files、x_size等，为分类的HST校准子集数据
- svm_labeled_2021-07-28.csv：字段包括numexp、rms_ra、rms_dec、nmatches、label等，为带标签的SVM训练数据
- svm_unlabeled_2021-10-06.csv：未标注的SVM数据文件
- 其他文件：
- pytest_data.tgz：tgz格式的测试数据文件
适用场景
- 空间科学机器学习研究：用于训练和测试Spacekit相关的机器学习算法
- 天文数据处理分析：基于HST、JWST等空间望远镜数据开展校准、分类等研究
- 系外行星研究：利用k2-exo-flux-ts-train.csv等数据进行系外行星光变曲线分析
- 支持向量机（SVM）模型开发：基于带标签和未标签的SVM数据进行模型训练与优化
