射电星系动物园：利用半监督学习在数据集偏移下借助大规模未标注数据实现射电星系分类
星系天体物理
2022-05-11 v4 机器学习
摘要
在这项工作中，我们考察了应用于射电星系形态分类的最先进半监督学习（SSL）算法的分类准确性与鲁棒性。我们测试了使用更少标签的 SSL 是否能达到与有监督最先进方法相当的测试准确率，以及这在纳入先前未见过的数据时是否成立。我们发现，对于所考虑的射电星系分类问题，SSL 提供了额外的正则化并优于基线测试准确率。然而，与计算机科学基准数据集上报告的模型性能指标相反，我们发现改进仅限于一个狭窄的标签数量区间，在低标签数量下性能迅速下降。此外，我们表明无论分类是否改善，SSL 都不能改善模型校准。而且，我们发现当使用来自同一射电巡天的不同底层星表来提供 SSL 所需的标注与未标注数据集时，观察到分类性能显著下降，这凸显了在数据集偏移下应用 SSL 技术的困难。我们表明，类别不平衡的未标注数据池通过先验概率偏移对性能产生负面影响，我们认为这可能解释了这一性能下降；并且使用标注与未标注数据集之间的弗雷歇距离（Frechet Distance）作为数据集偏移的度量可以预测模型性能，但对于标注样本量为 O(1000) 的典型射电星系数据集，该技术相关的样本方差较高，且总体上不足以稳健到取代训练-测试循环。
引用
@article{arxiv.2204.08816,
title = {Radio Galaxy Zoo: Using semi-supervised learning to leverage large unlabelled data-sets for radio galaxy classification under data-set shift},
author = {Inigo V. Slijepcevic and Anna M. M. Scaife and Mike Walmsley and Micah Bowles and Ivy Wong and Stanislav S. Shabala and Hongming Tang},
journal= {arXiv preprint arXiv:2204.08816},
year = {2022}
}
备注
Accepted to MNRAS. 14 pages