Sparse Logistic Regression for RR Lyrae versus Binaries Classification
Notice bibliographique
Résumé
Abstract RR Lyrae (RRL) stars are old, low-mass, radially pulsating variable stars in their core helium burning phase. They are popular stellar tracers and primary distance indicators since they obey well-defined period–luminosity relations in the near-infrared regime. Their photometric identification is not trivial; indeed, RRL star samples can be contaminated by eclipsing binaries, especially in large data sets produced by fully automatic pipelines. Interpretable machine-learning approaches for separating eclipsing binaries from RRL stars are thus needed. Ideally, they should be able to achieve high precision in identifying RRL stars while generalizing new data from different instruments. In this paper, we train a simple logistic regression classifier on Catalina Sky Survey (CSS) light curves. It achieves a precision of 87% at 78% recall for the RRL star class on unseen CSS light curves. It generalizes on out-of-sample data (ASAS/ASAS-SN light curves) with a precision of 85% at 96% recall. We also considered a L1-regularized version of our classifier, which reaches 90% sparsity in the light-curve features with a limited trade-off in accuracy on our CSS validation set and—remarkably—also on the ASAS/ASAS-SN light-curve test set. Logistic regression is natively interpretable, and regularization allows us to point out the parts of the light curves that matter the most in classification. We thus achieved both good generalization and full interpretability.
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 | 0,008 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».