NASA Near-Earth Objects - Classification

Projet du cours IFT712 - Techniques d'apprentissage | Université de Sherbrooke | Automne 2025 Équipe : Adrien SKRZYPCZAK · Cédric HAN · Robin BECARD

Présentation

Ce projet implémente et compare 6 algorithmes de classification scikit-learn sur le jeu de données NASA Nearest Earth Objects (90 836 astéroïdes, dont ~9,7 % dangereux). L'objectif est de prédire la dangerosité d'un objet céleste en respectant les meilleures pratiques de validation croisée, de recherche d'hyperparamètres et de gestion du déséquilibre de classes.

Algorithmes Implémentés

Algorithme	Classe	Approche
Arbre de Décision	DecisionTreeModel	Hiérarchique, interprétable
SVM	SVMClassifier	Non-linéaire, marges maximales
Régression Logistique	LogisticRegressionClassifier	Linéaire, baseline
Bayes Naïf	NaiveBayesClassifier	Probabiliste
Réseau de Neurones (MLP)	NNClassifier	Non-linéaire, profond
Moindres Carrés (Ridge)	LeastSquaresClassifier	Linéaire, baseline

Résultats clés

Modèle	Accuracy	Recall	F1-Score	AUC-ROC	Temps (s)
Least Squares	73.71%	98.98%	42.49%	-	0.01
SVM	77.22%	99.43%	46.71%	0.902	1026.8
Régression Logistique	78.49%	95.02%	46.23%	0.889	0.31
Arbre de Décision	91.43%	13.57%	23.56%	0.916	0.12
Réseau de Neurones	91.45%	15.10%	29.16%	0.915	9.05
Bayes Naïf	83.23%	46.61%	35.10%	0.864	0.02

Choix de métrique : dans un contexte de défense planétaire, le Recall est la métrique prioritaire - manquer un astéroïde dangereux a des conséquences catastrophiques.

Contenu du Notebook

1. Contexte - Introduction et objectifs
2. Jeu de données - Exploration et analyse des données NASA NEO
3. Implémentation - Développement et entraînement des 6 modèles
4. Résultats - Comparaison des performances et visualisations
5. Conclusions - Synthèse et recommandations

Pipeline de prétraitement

1. Suppression des colonnes invariantes (orbiting_body, sentry_object) et identifiants (id, name)
2. Transformation logarithmique (np.log1p) sur est_diameter_max, relative_velocity, miss_distance
3. RobustScaler pour limiter l'impact des outliers
4. Split stratifié 80/20 pour préserver le ratio de classes (~9.73 % dangereux)
5. Pondération des classes (class_weight='balanced') sur les modèles linéaires et SVM

Installation & Utilisation

Prérequis

Python >= 3.8

Installation

git clone https://github.com/RobinBecard/NASA_Near-Earth-Objects_Classification.git
cd NASA_Near-Earth-Objects_Classification
pip install -r requirements.txt

Exécution

jupyter notebook notebooks/IFT712_Project.ipynb

Configuration

Tous les paramètres (chemins, hyperparamètres, seeds) sont centralisés dans config.yaml :

from src.config import get_config
config = get_config()
dataset_path = config.get_path('paths.dataset')

Optimisation des hyperparamètres

python src/optimize_all_models.py
# Interface interactive pour sélectionner les modèles à optimiser
# Les meilleurs hyperparamètres sont exportés au format YAML

Structure du Projet

IFT712_Project/
├── README.md
├── config.yaml                    # Configuration centralisée
├── requirements.txt
├── IFT712_Project.pdf            # Rapport final
├── src/
│   ├── config.py                 # Gestionnaire de configuration
│   ├── data/                     # Chargement et prétraitement
│   ├── models/                   # 6 algorithmes de classification
│   └── utils/                    # Visualisations et utilitaires
├── notebooks/
│   └── IFT712_Project.ipynb      # Notebook principal
├── datasets/
│   └── neo.csv                   # Données NASA NEO
└── results/                      # Modèles, métriques, graphiques

Ressources

• Dataset Kaggle - NASA Nearest Earth Objects
• NASA CNEOS
• Minor Planet Center
• Rapport du projet (PDF)

---

Cours : IFT712 - Techniques d'apprentissage · Université de Sherbrooke · Automne 2025