协变量偏移对费米-LAT源多类分类的影响

使用机器学习方法对未证认费米-LAT源进行概率分类，隐含假设了证认源与未证认源作为源参数的函数具有相同的分布，而费米-LAT星表并非如此。训练集与测试（或目标）数据集作为输入特征（协变量）的函数分布不同这一问题被称为协变量偏移。本文中，我们首次定量估计了协变量偏移对费米-LAT源多类分类的影响。我们引入与未证认源对证认源概率密度函数之比成比例的样本权重，使得在未被证认源密集占据区域中的证认源，比在仅有少量未证认源区域中的源具有更大权重。我们发现协变量偏移对预测概率影响相对较小，即可使用加权或未加权样本进行训练，这通常是协变量偏移问题所预期的。协变量偏移的主要影响在于分类性能的估计。依类别不同，与未考虑协变量偏移的估计相比，协变量偏移可导致精确率与召回率降低达10–20%。