Galaxies en interactionL'interaction de galaxies est le résultat de la perturbation d'une galaxie par le champ gravitationnel d'une deuxième et réciproquement. Un exemple d'interaction mineure est le cas d'une galaxie satellite perturbant les bras d'une galaxie spirale primaire. Un exemple majeur d'une interaction serait la collision et la réunion de deux galaxies. À notre échelle, les galaxies sont tellement loin que nous avons peine à nous imaginer la distance, mais à l'échelle galactique, certaines sont plus proches que d'autres, ce qui donne lieu à des interactions massives.
Galaxie spirale barréeUne galaxie spirale barrée est une galaxie spirale dont les bras spiraux n’émergent pas du centre de la galaxie, mais d’une bande d’étoiles traversant ce centre. Les bras spiraux semblent émerger des bouts de la barre de ces galaxies, tandis qu’elles paraissent émerger directement du noyau d’une galaxie spirale ordinaire. Edwin Hubble classifia ces types de galaxies spirales comme SB (« spirale barrée ») dans sa séquence de Hubble. Il les a répertoriées en trois sous-catégories, elles-mêmes basées sur la forme et la manière dont se disposent les bras de la spirale.
Classification en classes multiplesIn machine learning and statistical classification, multiclass classification or multinomial classification is the problem of classifying instances into one of three or more classes (classifying instances into one of two classes is called binary classification). While many classification algorithms (notably multinomial logistic regression) naturally permit the use of more than two classes, some are by nature binary algorithms; these can, however, be turned into multinomial classifiers by a variety of strategies.
EuclideEuclide (en Eukleídês), dit parfois Euclide d'Alexandrie, est un mathématicien de la Grèce antique, auteur d’un traité de mathématiques, qui constitue l'un des textes fondateurs de cette discipline en Occident. Aucune information fiable n'est parvenue sur la vie ou la mort d'Euclide ; il est possible qu'il ait vécu vers 300 avant notre ère. Son ouvrage le plus célèbre, les Éléments, est un des plus anciens traités connus présentant de manière systématique, à partir d'axiomes et de postulats, un large ensemble de théorèmes accompagnés de leurs démonstrations.
Classification naïve bayésiennevignette|Exemple de classification naïve bayésienne pour un ensemble de données dont le nombre augmente avec le temps. La classification naïve bayésienne est un type de classification bayésienne probabiliste simple basée sur le théorème de Bayes avec une forte indépendance (dite naïve) des hypothèses. Elle met en œuvre un classifieur bayésien naïf, ou classifieur naïf de Bayes, appartenant à la famille des classifieurs linéaires. Un terme plus approprié pour le modèle probabiliste sous-jacent pourrait être « modèle à caractéristiques statistiquement indépendantes ».
CR7 (galaxie)La galaxie CR7 (Cosmos Redshift 7) est une galaxie de la constellation du Sextant. Située à 12,9 milliards d'années-lumière de la Terre, c'est l'émetteur Lyman-alpha le plus lumineux découvert à ce jour et l'une des galaxies les plus lointaines (et donc l'une des plus vieilles) jamais observées. En juin 2015, une publication y fait état de la découverte, pour la première fois, d'étoiles de population III. Avant ces travaux, l'existence de ces étoiles, formées peu après le Big Bang et constituées uniquement d'éléments légers (hydrogène, hélium principalement) n'était que théorique.
Valeur absolue des écartsEn statistique, la déviation absolue moyenne (ou simplement déviation moyenne) d'un ensemble est la moyenne (ou valeur prévue) des déviations absolues par rapport à un point central d'une série statistique. C'est une statistique sommaire de dispersion ou de variabilité statistique, et elle peut être associée à toute mesure à une tendance centrale (moyenne, médiane, mode...). La déviation absolue d'un élément a d'un ensemble de données x par rapport à un réel est a – x.
Spectroscopie astronomiqueLa spectroscopie est l'un des moyens principaux pour les astrophysiciens pour étudier l'Univers. En 1835, Auguste Comte disait dans son Cours de philosophie positive que parmi les choses qui resteraient à jamais hors de portée de la connaissance humaine figurait la composition chimique du Soleil. Il ne vécut pas assez longtemps pour voir en 1865 deux savants allemands, Robert Bunsen et Gustav Kirchhoff analyser pour la première fois la lumière du Soleil et permettre la détermination de la composition chimique de celui-ci.
Astronomie d'observationvignette|droite|Le télescope Mayall à l'observatoire national de Kitt Peak. L'astronomie d'observation ou astronomie observationnelle est la partie « pratique » de l'astronomie, basée sur des observations astronomiques. Elle est à l'origine du processus de création et de validation des théories astrophysiques. Elle peut soit confirmer des calculs et modèles déjà établis, soit révéler des phénomènes inconnus, que les théoriciens s'efforcent d'expliquer. La pratique de l'astronomie d'observation remonte à plusieurs siècles avant la naissance de Jésus-Christ.
Photométrie (astronomie)vignette|La courbe de lumière d'Eta Carinae. En astronomie, la photométrie, aussi nommée astrophotométrie pour la distinguer de l'étude homonyme en optique, désigne l'étude de l'intensité lumineuse des étoiles et de sa variabilité. Elle s'oppose en quelque sorte à la spectroscopie qui s'attache à l'étude des spectres des étoiles, ou à la polarimétrie qui s'occupe du degré de polarisation de la lumière provenant des sources astronomiques.
Median absolute deviationIn statistics, the median absolute deviation (MAD) is a robust measure of the variability of a univariate sample of quantitative data. It can also refer to the population parameter that is estimated by the MAD calculated from a sample. For a univariate data set X1, X2, ..., Xn, the MAD is defined as the median of the absolute deviations from the data's median : that is, starting with the residuals (deviations) from the data's median, the MAD is the median of their absolute values. Consider the data (1, 1, 2, 2, 4, 6, 9).
Méthode des k plus proches voisinsEn intelligence artificielle, plus précisément en apprentissage automatique, la méthode des k plus proches voisins est une méthode d’apprentissage supervisé. En abrégé KPPV ou k-PPV en français, ou plus fréquemment k-NN ou KNN, de l'anglais k-nearest neighbors. Dans ce cadre, on dispose d’une base de données d'apprentissage constituée de N couples « entrée-sortie ». Pour estimer la sortie associée à une nouvelle entrée x, la méthode des k plus proches voisins consiste à prendre en compte (de façon identique) les k échantillons d'apprentissage dont l’entrée est la plus proche de la nouvelle entrée x, selon une distance à définir.
