Classifying stars, galaxies, and AGNs in CLAUDS + HSC-SSP using gradient boosted decision trees
Notice bibliographique
Résumé
ABSTRACT Classifying catalogue objects as stars, galaxies, or active galactic nuclei (AGNs) is a crucial part of any statistical study of galaxies. We describe our pipeline for binary (star/galaxy) and multiclass (star/galaxy/Type I AGN/Type II AGN) classification developed for the very deep CLAUDS + HSC-SSP u*grizy data set. Our method uses the XGBoost implementation of gradient boosted trees (GBTs) to train ensembles of models that take photometry, colours, maximum surface brightnesses, and effective radii from all available bands as input, and output the probability that an object belongs to each of the classes under consideration. At iAB < 25 our binary star/galaxy model has AUC = 0.9974 and at the threshold that maximizes our sample’s weighted F1 score, selects a sample of galaxies with 99.7 per cent purity and 99.8 per cent completeness. We test the model’s ability to generalize to objects fainter than those seen during training and find that extrapolation of ∼1−2 mag is reasonable for most applications provided that the galaxies in the training sample are representative of the range of redshifts and colours of the galaxies in the target sample. We also perform an exploratory analysis of the method’s ability to identify AGNs using a small X-ray-selected sample and find that it holds promise for classifying Type I AGN, although it performs less well for Type II AGN. Our results demonstrate that GBTs provide a flexible, robust, and efficient method for performing classification of catalogue objects in large astronomical imaging surveys.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».