利用 CatBoost 梯度提升决策树预测 Fermi-LAT 伽马射线源的红移
高能天体物理现象
2023-04-03 v1 宇宙学与河外天体物理
天体物理仪器与方法
摘要
距离的测定在天体物理学中是基础性的。伽马射线源在这方面表征很差，因为伽马射线天文学有限的角分辨率和贫乏的光子计数统计使得难以将它们与已知红移的多波段天体相关联。利用来自 Fermi-LAT 最新 AGN 星表 4LAC-DR3 的 1794 个已知红移的活动星系核（AGN），我们采用机器学习技术基于其光谱和空间性质预测其余 AGN 的距离。最先进的 CatBoost 算法达到了平均 0.56 的 R2 分数与 0.46 的均方根误差（RMSE），预测平均红移值 ，最大 。我们使用 SHAP 解释器包来深入理解变量对结果的影响，并研究了河外背景光（EBL）的含义。在第二部分的，我们使用该回归模型预测最新 LAT 点源星表 4FGL-DR3 中未认证样本的红移，利用之前论文的结果来确定其中可能的 AGN。
引用
@article{arxiv.2303.07922,
title = {Redshift prediction of Fermi-LAT gamma-ray sources using CatBoost gradient boosting decision trees},
author = {Javier Coronado-Blázquez},
journal= {arXiv preprint arXiv:2303.07922},
year = {2023}
}
备注
7 pages, 7 figures. Matches the accepted MNRAS version