[論文レビュー] Automated Spectral Classification of Galaxies using Machine Learning Approach on Alibaba Cloud AI platform (PAI)

Yihan Tao, Yanxia Zhang+2 more|arXiv (Cornell University)|Jan 12, 2018

Face and Expression Recognition被引用数 5

ひとこと要約

本稿では、アリババクラウドのPAIプラットフォーム上で機械学習を用いた自動銀河スペクトル分類システムを提案し、特徴抽出にPCAを適用し、10,000件のSDSS DR14銀河スペクトルに対してロジスティック回帰、ランダムフォレスト、線形SVMをテストした。この手法は、活動銀河核（AGN）とそれ以外の分類において92％を超えるF1スコアを達成し、高精度で人為的介入を最小限に抑えたクラウドベースの自動スペクトル分類の実現可能性を示している。

ABSTRACT

Automated spectral classification is an active research area in astronomy at the age of data explosion. While new generation of sky survey telescopes (e.g. LAMOST and SDSS) produce huge amount of spectra, automated spectral classification is highly required to replace the current model fitting approach with human intervention. Galaxies, and especially active galactic nucleus (AGNs), are important targets of sky survey programs. Efficient and automated methods for galaxy spectra classification is the basis of systematic study on physical properties and evolution of galaxies. To address the problem, in this paper we carry out an experiment on Alibaba Cloud AI plaform (PAI) to explore automated galaxy spectral classification using machine learning approach. Supervised machine learning algorithms (Logistic Regression, Random Forest and Linear SVM) were performed on a dataset consist of ~ 10000 galaxy spectra of SDSS DR14, and the classification results of which are compared and discussed. These galaxy spectra each has a subclass tag (i.e. AGNs, Starburst, Starforming, and etc.) that we use as training labels.

研究の動機と目的

• 機械学習を用いた自動化により、銀河スペクトル分類における人為的介入を削減すること。
• 標準化されたデータセットを用いて、複数の教師あり学習アルゴリズムの銀河スペクトル分類性能を評価すること。
• クラウドベースのAIプラットフォーム（アリババクラウドPAI）に自動スペクトル分類を展開する可能性を検討すること。
• 特徴選択および次元削減（PCA）が分類精度に与える影響を評価すること。
• 大規模スペクトル調査におけるAGN検出に最も効果的なアルゴリズムおよび特徴表現を同定すること。

提案手法

• 本研究では、SDSS DR14の10,000件の銀河スペクトルを用い、AGN（1）または非AGN（0）としてラベル付けされた二値分類を実施。
• スペクトルは、発光線を保持するため、静止系で2642ピクセル（3700–6800 Å）に切り詰めて前処理された。
• 次元削減およびスペクトル特徴抽出のため、20成分の主成分分析（PCA）が適用された。
• PCAで次元削減された特徴量を用いて、ロジスティック回帰、ランダムフォレスト、線形SVMの3つの教師あり機械学習アルゴリズムを訓練および評価した。
• ランダムフォレストの組み込みエントロピーに基づく重要度法を用いて、特徴の重要度を分析し、最も情報量の多いスペクトル領域を同定した。
• 実験は、データ前処理、特徴工学、モデル学習を支援するクラウドベースのAIプラットフォーム、アリババクラウドPAI上で実施された。

実験結果

リサーチクエスチョン

• RQ1 クラウドプラットフォーム上で自動機械学習を実施することで、人為的介入を最小限に抑えつつ、高精度な銀河スペクトル分類が達成可能か？
• RQ2 PCAで次元削減されたスペクトル特徴量を用いた場合、ロジスティック回帰、ランダムフォレスト、線形SVMの各アルゴリズムは、AGNとそれ以外の銀河タイプの分類においてどの程度の性能を示すか？
• RQ3 重要度に基づく特徴選択が、分類性能にどの程度向上効果をもたらすか？
• RQ4 PCAに基づく特徴表現は、AGN検出に必要な銀河スペクトルの本質的パターンを効果的に捉えられるか？
• RQ5 PCAは複雑なスペクトル特徴を表現する際にどのような限界を示し、深層学習は線形手法を超えて分類性能を向上させられるか？

主な発見

• ロジスティック回帰、線形SVM、ランダムフォレストの3アルゴリズムすべてが、F1スコア92％以上を達成し、その中でロジスティック回帰が0.9284とわずかに優れた性能を示した。
• ロジスティック回帰の適合率と再現率は、それぞれ0.9293および0.9283に達し、適合率と再現率のバランスが良好であることが示された。
• ランダムフォレストはエントロピーに基づく重要度により、上位10個の特徴を同定し、特徴の削除により適合率と再現率がわずかに向上した。
• 20成分のPCAを用いることで、安定的かつ効果的な特徴表現が得られたが、著者らは非線形なスペクトルパターンを完全に捉えていない可能性を指摘している。
• クラウドベースのPAIプラットフォームにより、迅速なモデル訓練と評価が可能となり、プラットフォームの効率性のおかげで、アルゴリズム間での実行時間にほとんど差がなかった。
• 本研究では、PAI上で自動ハイパーパramータチューニング（例：グリッドサーチやランダムサーチ）が実施されていないことが制限要因であると同定され、今後の研究では包括的なハイパーパramータ最適化の導入が提案されている。