Clustering dei corpi celesti: un'analisi statistica su pianeti e lune del Sistema Solare

La presente tesi propone un’analisi statistica dei corpi celesti del Sistema Solare, combinando tecniche di analisi esplorativa e metodi di clustering. Il dataset considerato comprende pianeti e principali satelliti, descritti attraverso caratteristiche fisiche, orbitali e strutturali, con l’obiettivo di individuare eventuali raggruppamenti naturali tra di essi. Dopo una fase esplorativa e l’applicazione dell’Analisi delle Componenti Principali (PCA) per ridurre la dimensionalità e mettere in evidenza le principali fonti di variabilità, sono stati applicati diversi metodi di clustering, in particolare il k-means e il clustering gerarchico. I risultati mostrano una chiara separazione tra giganti gassosi, pianeti terrestri e lune, guidata soprattutto da variabili fisiche come massa, diametro e gravità. Lo studio evidenzia come le tecniche di apprendimento non supervisionato possano efficacemente riprodurre e interpretare la classificazione naturale dei corpi celesti.