超越系外行星质量-半径关系

质量和半径是表征系外行星的两个基本属性，但仅有相对小部分的系外行星同时具备这两者。质量通常源自视向速度测量，而半径几乎总是通过凌星法测得。对于大量系外行星，半径或质量未知，但其宿主恒星已被表征。已发表若干依赖于行星类型的质量-半径关系，常可用来预测半径。我们的目标仅利用主要用于确定视向速度和光谱参数的光谱中提取的观测量来推导系外行星的半径。我们的目的是获得一种独立于行星类型的质量-半径关系。我们使用了一个具有已知半径和质量的已确认系外行星数据库，以及太阳系中的行星。利用随机森林这一机器学习算法，我们计算了系外行星的半径，并将结果与已发表半径进行比较。我们的代码 Bem 可在线获取。估计的半径比先前质量-半径关系更好地复现了高质量行星半径的散布。在整个 1-22 $R_{\oplus}$ 半径范围内，平均半径误差为 1.8 $R_{\oplus}$。我们发现随机森林算法能够推导可靠半径，特别是对于 4 $R_{\oplus}$ 到 20 $R_{\oplus}$ 之间的行星，其误差低于 25$\%$。该算法偏差低但方差高，可通过限制森林生长或添加更多数据来降低。随机森林算法是一种有前景的推导系外行星属性的方法。我们表明，系外行星的质量和平衡温度是约束半径的相关属性，且比先前方法精度更高。