加权逻辑回归用于识别快速脉冲星辐射 bursts 的稀有事件分类

快速脉冲星辐射 bursts（FRBs）的分类是一项重要任务，旨在基于其形态学属性自动识别重复型与非重复型源。我们提出一种统计模型，采用修改后的逻辑回归来进行 FRB 源分类。经典逻辑回归模型被修改以适应数据中重复源比例极小的特征，这种小比例可能源于抽样程序与持续时间，并非 FRB 源族群的特征。加权逻辑回归依赖于表示整个 FRB 族群中重复源真实比例的调谐参数 $\tau$。该方法具有坚实的统计基础、直观的可解释性，仅需 5 个参数，即可实现新增数据后的快速重新训练。利用 CHIME/FRB 合作获取的重复与非重复 FRB 数据样本及数值实验，我们在 $\tau$ 取于 50 到 60 范围时，实现了对重复 FRB 分类准确率接近 75% 或更高。这暗示了重复源比例较高，虽然令人惊讶，但也与其他方法获得的 $\tau$ 最新估计相符。