基于 Gaia 光谱系数的白矮星随机森林分类
太阳与恒星天体物理
2023-11-29 v1 星系天体物理
天体物理仪器与方法
摘要
Gaia 的第三次数据发布提供了约 2.2 亿条低分辨率光谱。其中约 10 万条对应白矮星。如此庞大的数据量使得通过人工检视进行光谱分析与类型判定变得不可能。为解决此问题,我们探索利用基于随机森林(Random Forest)算法的机器学习方法的可能性。我们旨在基于 Gaia 光谱的 Hermite 系数,分析随机森林算法对太阳周围 100 pc 内白矮星族群进行光谱分类的可行性。我们利用 Montreal 白矮星数据库中指定的光谱类型来训练和测试我们的随机森林算法。验证后,我们的算法模型被应用于其余未分类的 100 pc 内白矮星。首先,我们着手对白矮星的两大主要光谱类型组进行分类:富氢(DA)与缺氢(non-DA)。接着,我们探索对各类光谱亚型进行分类的可能性,在某些情况下包括次要光谱类型。我们的随机森林分类对 DA 和 DB 白矮星呈现出很高的召回率(>80%),对 DB、DQ 和 DZ 白矮星呈现出很高的精确率(>90%)。结果我们为 9,446 颗先前未分类的白矮星指定了光谱类型:4,739 颗 DA、76 颗 DB(其中 60 颗为 DBA)、4,437 颗 DC、132 颗 DZ 和 62 颗 DQ(其中 9 颗为 DQpec)。尽管 Gaia 光谱分辨率低,应用于 Gaia 光谱系数的随机森林算法被证明是一种极具价值的光谱分类工具。
引用
@article{arxiv.2308.07090,
title = {White dwarf Random Forest classification through Gaia spectral coefficients},
author = {Enrique Miguel García-Zamora and Santiago Torres and Alberto Rebassa-Mansergas},
journal= {arXiv preprint arXiv:2308.07090},
year = {2023}
}
备注
15 pages, 17 figures, 3 tables. Submitted to Astronomy & Astrophysics