基于集成机器学习算法的狼-雷星分类
太阳与恒星天体物理
2024-11-22 v2 星系天体物理
天体物理仪器与方法
摘要
我们开发了一个利用极端梯度提升 (XGB)算法的稳健机器学习分类器模型，用于改进基于红外 (IR) 颜色和位置属性对银河系狼-雷星 (WR) 星的分类。对于我们的研究，我们选择了来自 2MASS 和 AllWISE 数据发布的6555颗星体（包括WR星），这些星体位于银河系内，并具有不同类型的可用光度 magnitudes。我们的XGB分类器模型可以准确地（以86%的检测率）在大量非WR来源中识别出足够数量的WR星。XGB模型优于诸如随机森林等其他集成分类器模型。此外，我们使用XGB算法开发了一个WR亚型分类器模型，可以以高模型准确率（>60%）区分WR亚型和非WR来源。进一步地，我们将两个XGB模型应用于6457个未知对象类型的星体，检测出58个新的WR星候选星，并预测了其中10个的亚型。所识别的WR来源主要位于银河系的局部螺旋臂中，大多位于太阳附近。
引用
@article{arxiv.2410.14845,
title = {Classification of Wolf Rayet stars using Ensemble-based Machine Learning algorithms},
author = {Subhajit Kar and Rajorshi Bhattacharya and Ramkrishna Das and Ylva Pihlström and Megan O. Lewis},
journal= {arXiv preprint arXiv:2410.14845},
year = {2024}
}
备注
19 pages, Accepted to APJ