星际能源分配与指数预测竞赛数据集
数据来源：互联网公开数据
标签：黑客松,能源分配,指数预测,机器学习,竞赛,天体物理,数据分析
数据概述：
本数据集用于评估在黑客松竞赛中提交的解决方案，这些方案旨在预测未来指数值并分配来自新发现恒星的能量。解决方案的评估基于两个关键指标：预测的未来指数值和分配的能量。
指数预测使用均方根误差（RMSE）进行评估。能量分配也使用RMSE进行评估，并考虑一组已知的因素。
每个星系都有一定的指数提升潜力，其计算公式为：提升潜力 = -np.log(指数+0.01)+3。
指数可能的增长取决于提升潜力和额外能量的可用性，其计算公式为：指数可能增长 = 额外能量 * 提升潜力 2 / 1000。
约束条件：
总共有50000 zillion单位的DSML可供分配。
每个星系分配的能量不应超过100 zillion单位的DSML，且不得少于0 zillion单位的DSML。
存在预期指数低于0.7的星系，应分配至少可用总能量的10%。
提交格式：
变量 描述
Index 测试数据集中唯一的索引，按升序排列
pred 对感兴趣指数的预测值
pred_opt 最优的能量分配值
数据用途概述：
该数据集主要用于评估和比较在星际能源分配和指数预测竞赛中提交的解决方案。研究人员和参赛者可以利用此数据进行算法测试、模型优化和结果分析。数据集也为机器学习和天体物理学领域的教学提供了实践机会。
