利用链式方程多元插补预测活动星系核的红移
天体物理仪器与方法
2022-03-02 v1 星系天体物理
摘要
活动星系核（AGNs）的红移测量仍然是一项耗时且具有挑战性的任务，因为它需要后续的光谱观测和详细分析。因此，迫切需要替代的红移估计技术。在过去几年中，由于大规模星系巡天的可用性，机器学习（ML）在此方面的应用日益增长。然而，由于观测误差，这些数据集中有相当一部分常常存在缺失项，导致该部分无法用于 ML 回归应用。在本研究中，我们展示了一种称为链式方程多元插补（MICE）的插补技术的性能，该技术利用星表中可用信息对缺失数据项进行插补，从而纠正缺失数据项的问题。我们使用费米-LAT 第四版数据发布星表（4LAC）并插补了星表的 24%。随后，我们遵循 Dainotti 等人（2021）描述的方法，建立一个 ML 模型用于估计 4LAC AGNs 的红移。我们给出的结果突显了 MICE 插补技术对机器学习模型性能及所获红移估计准确度的积极影响。
引用
@article{arxiv.2203.00087,
title = {Using Multivariate Imputation by Chained Equations to Predict Redshifts of Active Galactic Nuclei},
author = {Spencer James Gibson and Aditya Narendra and Maria Giovanna Dainotti and Malgorzata Bogdan and Agniezska Pollo and Artem Poliszczuk and Enrico Rinaldi and Ioannis Liodakis},
journal= {arXiv preprint arXiv:2203.00087},
year = {2022}
}
备注
21 Pages, 11 Figures, 3 Tables