GalaxiesML：面向机器学习的星系图像、光度学、红移和结构参数数据集

我们 presented 一个为机器学习 applications 构建的数据集，包含星系光度学、图像、红移和结构属性。该数据集包含来自 Hyper-Suprime-Cam Survey PDR2 的 286,401 张星系图像和光度学数据，采用五个成像滤镜（$g,r,i,z,y$），并以光谱确认红移为真实值。由于该数据集在保持统一性、一致性且异常值较少的同时，仍包含真实的信噪比范围，因此对于机器学习 applications至为重要。我们将该数据集公开发布，以帮助推动面向下一代观测（如 Euclid 和 LSST）的机器学习方法的发展。GalaxiesML 的目标是提供一个可用于天文学以及机器学习的稳健数据集，后者因为图像属性无法通过肉眼验证，而是受制于物理定律。在将公开可用的档案馆数据整合为数据集的过程中，我们描述了包括异常值剔除、重复数据处理、确立真实值以及样本选择等挑战。该数据集是目前规模最大的公开机器学习就绪训练集之一，红移范围为 0.01 到 4。该样本的红移分布在红移为 1.5 时峰值，并在红移超过 2.5 时迅速下降。我们还包括一个使用该数据集进行红移估计的示例应用，表明使用图像进行红移估计的准确性优于仅使用光度学数据。例如，在红移为 0.1 到 1.25 之间，使用图像估计的红移偏差是仅使用光度学估计的十分之一。来自此类数据集的结果将帮助我们了解如何最好地利用来自下一代星系观测的数据。