机器学习时代对强线金属丰度转换的再评估

强线金属丰度定标被广泛用于确定单个 HII 区与整个星系的气相金属丰度。十多年前，基于斯隆数字巡天第四批数据（SDSS DR4），Kewley 与 Ellison 发表了可用于在全局星系光谱的不同强线金属丰度定标间进行转换的三阶多项式系数。此处，我们从三方面更新 Kewley 与 Ellison 的工作。首先，通过使用较新的数据发布（DR7），我们约将多项式拟合所用星系数量翻倍，提供了统计上改进的多项系数。其次，我们在定标集中纳入了过去十年提出且未被 Kewley 与 Ellison 包含的五种额外金属丰度诊断。最后，我们开发了用于金属丰度定标间转换的新机器学习方法。随机森林算法是非参数的，因而比多项式转换更灵活，因其能捕捉数据中的非线性行为。随机森林方法取得了与（更新后的）多项式转换相同的精度，但具有显著优势：单一模型可应用于宽广金属丰度范围，无需在 $R_{23}$ 定标中区分上下支。训练好的随机森林已公开供学界使用。