[論文レビュー] Machine Learning for Galaxy Morphology Classification

Adam Gauci, Kristian Zarb Adami+1 more|arXiv (Cornell University)|May 3, 2010

Image Processing and 3D Reconstruction参考文献 4被引用数 20

ひとこと要約

本稿では、SDSS DR7およびGalaxy Zooの光度および分光データを用いて、銀河の形態を渦巻き銀河、楕円銀河、星/未知のタイプに分類するための機械学習的手法を提案している。決定木（CART、C4.5、ランダムフォレスト）とファジィ推論システムを用いた。50本のツリーを用いたランダムフォレストが、特にiバンドおよびrバンドの光度パラメータを用いた際、他のモデルを上回る最高の正確性を達成した。

ABSTRACT

In this work, decision tree learning algorithms and fuzzy inferencing systems are applied for galaxy morphology classification. In particular, the CART, the C4.5, the Random Forest and fuzzy logic algorithms are studied and reliable classifiers are developed to distinguish between spiral galaxies, elliptical galaxies or star/unknown galactic objects. Morphology information for the training and testing datasets is obtained from the Galaxy Zoo project while the corresponding photometric and spectra parameters are downloaded from the SDSS DR7 catalogue.

研究の動機と目的

• 手動分類に依存しない自動的かつ信頼性の高い銀河形態分類器を機械学習を用いて開発すること。
• 決定木アルゴリズム（CART、C4.5、ランダムフォレスト）およびファジィ推論システムの銀河分類タスクにおける性能を評価すること。
• 光度パラメータ（iバンド、rバンド）と分光パラメータが分類正確性に与える影響を調査すること。
• Galaxy Zooのヒトによる分類結果と照合し、自動分類の性能を検証すること。
• 銀河形態分類に最も寄与する特徴量およびツリー構造を特定すること。

提案手法

• Galaxy ZooおよびSDSS DR7のフィルタリング済みデータセット（75,000個の銀河）を用いて、CART、C4.5、ランダムフォレストの決定木アルゴリズムを訓練および評価した。
• iバンドおよびrバンドの光度パラメータからなる24属性の特徴量セットを構築した。これには、濃度、mRrCc、および赤方偏移補正済みのg-r色が含まれる。
• 光度および分光的特徴に基づいて銀河形態をモデル化するため、減数クラスタリングを用いたファジィ推論システムを構築した。
• 波長ごとに95％以上のデータが利用可能な分光データを用い、24属性の分光的特徴量空間を構築した。
• さまざまな入力データタイプにおけるモデルの性能を評価するために、混同行列と正確性指標を用いた。
• 情報量の増加に基づき、決定木のルートノードおよび1段目のノードを選択し、分類に寄与する重要な特徴量（例：mRrCc、Ha線）を同定した。

実験結果

リサーチクエスチョン

• RQ1 決定木ベースの機械学習モデルは、銀河形態分類において人間の専門家と同等の正確性を達成できるか？
• RQ2 CART、C4.5、ランダムフォレストといった異なる決定木アルゴリズムは、渦巻き銀河、楕円銀河、星/未知のタイプの分類においてどのように比較されるか？
• RQ3 光度パラメータ（iバンド、rバンド）と分光パラメータの間で、分類正確性への寄与度はどのように異なるか？
• RQ4 従来の決定木と比較して、ファジィ推論システムは銀河形態のモデル化にどの程度効果的か？
• RQ5 mRrCc、濃度、Ha線などの特徴量は、分類プロセスにおいてどの程度の情報量の増加を示すか？

主な発見

• 50本のツリーを用いたランダムフォレストが、全テストモデルの中で最高の分類正確性を達成した。特にiバンドおよびrバンドの光度パラメータを用いた際、顕著な優位性を示した。
• 光度パラメータ（iバンドおよびrバンド）は、分光パラメータよりも顕著に高い分類正確性を示した。分光パラメータは全体的に低い性能を示した。
• mRrCcパラメータは、光度データに基づく決定木の訓練において、一貫してルートノードとして選択された。これは、高い識別力を持つことを示している。
• 濃度（petroR90 / petroR50）およびdered_g - dered_r色パラメータは、頻繁に1段目のノードとして選ばれ、形態の区別において重要な役割を果たしていることが明らかになった。
• ファジィ推論システムは正確性にやや劣ったが、誤分類の多くは、明るさが弱い場合や、光度パイプライン測定に影響を与える明るい近傍天体に起因していることが判明した。
• より大きなデータセット（Set 2）を用いた実験では、75,000サンプルのテストセット（Set 3）の結果と同等に、正確性が安定して維持された。