Interpretable AutoML Framework for Physics-Aligned Classification of Potentially Hazardous Asteroids
본 논문은 NASA의 근지구 천체 데이터를 활용하여 잠재적 위험 소행성을 고정밀도로 분류하기 위해, 자동화된 모델 선택을 위한 PyCaret, 견고성을 위한 시계열 검증, 그리고 설명 가능성을 위한 SHAP 분석을 활용하는 해석 가능한 AutoML 프레임워크를 제시한다.