Light Curve Classification with DistClassiPy: a new distance-based classifier

要約

総観天空調査の台頭により、時間領域天文学におけるビッグデータの時代が到来し、データサイエンスと機械学習が天体の研究に不可欠なツールとなっています。
ツリーベースのモデル (ランダム フォレストなど) と深層学習モデルがこの分野で主流となっていますが、私たちは天体物理学的オブジェクトの分類を支援するためにさまざまな距離メトリックの使用を検討しています。
私たちは、新しい距離メトリック ベースの分類子である DistClassiPy を開発しました。
時間領域の天文学では、距離メトリクスを直接使用することは未開発ですが、距離に基づく方法は、分類をより解釈しやすくし、計算コストを削減するのに役立ちます。
特に、DistClassiPy を適用して変光星の光度曲線を分類し、異なるクラスの天体間の距離を比較しました。
10 クラスにわたる 6,000 個の変光星のカタログで 18 の距離計量を使用して、分類と次元削減を実証します。
私たちの分類器は最先端のパフォーマンスを満たしていますが、計算要件が低くなり、解釈可能性が向上しています。
さらに、その分類に最も効果的な距離メトリックを特定することで、DistClassiPy を特定のオブジェクトに合わせて調整できます。
天文学内外でのより広範な応用を促進するために、DistClassiPy をオープンソースにし、https://pypi.org/project/distclassipy/ で利用できるようにしました。

要約(オリジナル)

The rise of synoptic sky surveys has ushered in an era of big data in time-domain astronomy, making data science and machine learning essential tools for studying celestial objects. While tree-based models (e.g. Random Forests) and deep learning models dominate the field, we explore the use of different distance metrics to aid in the classification of astrophysical objects. We developed DistClassiPy, a new distance metric based classifier. The direct use of distance metrics is unexplored in time-domain astronomy, but distance-based methods can help make classification more interpretable and decrease computational costs. In particular, we applied DistClassiPy to classify light curves of variable stars, comparing the distances between objects of different classes. Using 18 distance metrics on a catalog of 6,000 variable stars across 10 classes, we demonstrate classification and dimensionality reduction. Our classifier meets state-of-the-art performance but has lower computational requirements and improved interpretability. Additionally, DistClassiPy can be tailored to specific objects by identifying the most effective distance metric for that classification. To facilitate broader applications within and beyond astronomy, we have made DistClassiPy open-source and available at https://pypi.org/project/distclassipy/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google