探索符号回归与遗传算法在天体分类中的应用
星系天体物理
2025-03-14 v1 天体物理仪器与方法
摘要
本研究探索了将符号回归（SR）与遗传算法（GA）相结合以对天体进行分类。使用来自 Kaggle 的 SDSS17 数据集（包含对恒星、星系和类星体的 100,000 次观测），我们将 SR 应用于 10% 的数据，以推导出能够区分这些类别的数学表达式。随后采用遗传算法优化该表达式的超参数，从而提升模型性能。最终模型达到了 0.81 的 Cohen's kappa 值，表明其与真实分类具有高度一致性。我们的结果表明，SR+GA 方法可以为天体分类生成可解释且准确的模型，为传统的黑盒机器学习方法提供了一种有前景的替代方案。
引用
@article{arxiv.2503.09220,
title = {Exploring symbolic regression and genetic algorithms for astronomical object classification},
author = {Fabio R. Llorella and José A. Cebrián},
journal= {arXiv preprint arXiv:2503.09220},
year = {2025}
}
备注
12 pages, 4 figures