Una mirada al espacio: exoplanetas K2 con imputación múltiple, PCA y ensamblado

Abstract

La búsqueda de exoplanetas es un área fundamental en la astronomía moderna, el estudio del espacio extrasolar permite ampliar nuestro conocimiento sobre el universo. En este trabajo se presenta un análisis estadístico aplicado para la detección y clasificación de exoplanetas utilizando datos del telescopio K2 de la NASA. Se han implementado técnicas de imputación múltiple para el tratamiento de los valores perdidos, técnicas de componentes principales para manejar la multicolinealidad y se han entrenado modelos predictivos de clasificación, logística binaria, árbol de clasificación, Random Forest y Extreme Gradient Boosting, para identificar la presencia de exoplanetas en el conjunto de datos, consiguiendo capturar relaciones internas y complejas entre las variables. Los resultados muestran un rendimiento satisfactorio en términos de sensibilidad, especificidad y área bajo la curva ROC, evidenciando la capacidad de los modelos para discriminar entre objetos celestes con y sin exoplanetas. Este estudio contribuye a mejorar los métodos estadísticos en la detección de exoplanetas y abre vías para futuras investigaciones en astronomía estadística y machine learning aplicado.