GeneticKNN：一种由遗传算法支撑的加权 KNN 方法用于类星体测光红移估计

我们将 K 近邻（KNN）与遗传算法（GA）结合用于类星体的测光红移估计，简称 GeneticKNN，这是一种由 GA 支撑的加权 KNN 方法。与 KNN 相比，该方法有两处改进：一是由 GA 进行特征加权；另一是预测的红移不是 K 个邻居红移的平均值，而是 K 个邻居红移的中位数与均值的加权平均，即 $p\times z_{median} + (1-p)\times z_{mean}$。基于 SDSS 和 SDSS-WISE 类星体样本，我们探究了 GeneticKNN 在测光红移估计上的表现，并与其他六种传统机器学习方法比较，即最小绝对收缩与选择算子（LASSO）、支持向量回归（SVR）、多层感知机（MLP）、XGBoost、KNN 和随机森林。KNN 和随机森林显示出其优越性。考虑到 KNN 易于实现，我们在 KNN 上改进得到 GeneticKNN，并将其应用于类星体测光红移估计。最终 GeneticKNN 在所有情形下均优于 LASSO、SVR、MLP、XGBoost、KNN 和随机森林。此外，相同方法下加入 WISE 星等后精度更优。