Interpretable AutoML Framework for Physics-Aligned Classification of Potentially Hazardous Asteroids
Este artigo apresenta um framework de AutoML interpretável que utiliza o PyCaret para seleção automatizada de modelos, validação temporal para robustez e análise SHAP para explicabilidade, a fim de alcançar uma classificação de alta precisão de asteroides potencialmente perigosos utilizando os dados de Objetos Próximos à Terra da NASA.