天文学中的机器学习：以类星体-恒星分类为例
天体物理仪器与方法
2018-04-16 v1 机器学习
摘要
我们展示了基于机器学习（ML）的各种自动分类方法对斯隆数字巡天（SDSS）第6和第7次数据发布（DR6和DR7）中天体的分类结果，主要区分恒星与类星体。我们仔细审查了文献中可用的方法，并根据研究中所用数据的性质强调了这些方法中的陷阱。本文旨在研究应用某些ML方法的适当性。手稿令人信服地论证了非对称AdaBoost在分类测光数据方面的有效性。本文对现有研究进行了批判性综述，并作为该工作的延伸，提出了非对称AdaBoost的一种应用。
引用
@article{arxiv.1804.05051,
title = {Machine Learning in Astronomy: A Case Study in Quasar-Star Classification},
author = {Mohammed Viquar and Suryoday Basak and Ariruna Dasgupta and Surbhi Agrawal and Snehanshu Saha},
journal= {arXiv preprint arXiv:1804.05051},
year = {2018}
}
备注
10 pages, 8 figures