[論文レビュー] The S-PLUS: a star/galaxy classification based on a Machine Learning approach

M. V. Costa-Duarte, L. Sampedro+33 more|arXiv (Cornell University)|Sep 18, 2019

Galaxies: Formation, Evolution, Phenomena参考文献 14被引用数 16

ひとこと要約

本論文は、12個のS-PLUS光度バンドと形状パラメータを用いてトレーニングされたランダムフォレスト機械学習モデルを用いて、S-PLUS調査における星/銀河分類を提示する。FWHM/PSFの組み込みにより、正確性が95.0%に向上し、色-色図における誤分類が低減され、星間汚染が低い約18,000対象のクリーンな銀河点源カタログの作成が可能になった。

ABSTRACT

We present a star/galaxy classification for the Southern Photometric Local Universe Survey (S-PLUS), based on a Machine Learning approach: the Random Forest algorithm. We train the algorithm using the S-PLUS optical photometry up to $r$=21, matched to SDSS/DR13, and morphological parameters. The metric of importance is defined as the relative decrease of the initial accuracy when all correlations related to a certain feature is vanished. In general, the broad photometric bands presented higher importance when compared to narrow ones. The influence of the morphological parameters has been evaluated training the RF with and without the inclusion of morphological parameters, presenting accuracy values of 95.0\% and 88.1\%, respectively. Particularly, the morphological parameter { m FWHM/PSF} performed the highest importance over all features to distinguish between stars and galaxies, indicating that it is crucial to classify objects into stars and galaxies. We investigate the misclassification of stars and galaxies in the broad-band colour-colour diagram $(g-r)$ versus $(r-i)$. The morphology can notably improve the classification of objects at regions in the diagram where the misclassification was relatively high. Consequently, it provides cleaner samples for statistical studies. The expected contamination rate of red galaxies as a function of the redshift is estimated, providing corrections for red galaxy samples. The classification of QSOs as extragalactic objects is slightly better using photometric-only case. An extragalactic point-source catalogue is provided using the classification without any morphology feature (only the SED information) with additional constraints on photometric redshifts and { m FWHM/PSF} values.

研究の動機と目的

• 高次元の光度データを扱うために、機械学習を用いてS-PLUS調査におけるロバストな星/銀河分類手法を開発すること。
• スペクトロスコピック赤方偏移が得られない状況下で、形状パラメータ（特にFWHM/PSF）が分類正確性に与える影響を評価すること。
• 光度赤方偏移、FWHM/PSF、光度スペクトルエネルギー分布（SED）を組み合わせることで、星間汚染を最小限に抑えたクリーンな銀河点源カタログを構築すること。
• 赤銀河サンプルにおける星の誤分類率を赤方偏移の関数として定量化し、今後の銀河統計的調査における補正を可能にすること。

提案手法

• ランダムフォレスト分類器は、S-PLUSとSDSS/DR13データのマッチドサンプルを用いてトレーニングされ、12個のS-PLUS光度バンドと形状パラメータ（FWHM/PSF、楕円度、集中度）を用いる。
• モデルは724,000件のトレーニング対象と200,000件のテスト対象でトレーニングされ、S-PLUSにおける欠損光度バンドを考慮するため510個の独立したランダムフォレストモデルがトレーニングされた。
• 特徴量の重要性は、特定の特徴量との相関を除去した際の初期正確性の相対的低下として定量化され、FWHM/PSFが最も高い重要性を示した。
• 形状パラメータの有無に応じた分類性能を評価し、(g−r) 対 (r−i) 色-色図における正確性と誤分類への影響を分離して評価した。
• 銀河点源カタログは、光度SED、光度赤方偏移（z_b > 0.002）、FWHM/PSF が 1.0 から 1.5 の間、かつ P_gal > 0.5 の条件を満たすものに限定して構築された。
• 赤方偏移の関数として、赤銀河が星に誤分類される割合を推定し、銀河統計的サンプルにおける星間汚染補正を可能にした。

実験結果

リサーチクエスチョン

• RQ1 FWHM/PSFを含む形状パラメータの組み込みが、S-PLUSのような光度調査における星/銀河分類正確性にどのように寄与するか？
• RQ2 S-PLUS調査において、星と銀河を区別するにあたり、広帯域と狭帯域のどちらの光度バンドがより顕著に寄与しているか？
• RQ3 (g−r) 対 (r−i) 色-色図のどの領域で星と銀河の誤分類が最も顕著に発生し、形状情報がどのようにその不確実性を低減するか？
• RQ4 赤銀河サンプルにおける星間汚染率は赤方偏移の関数としてどの程度期待されるか、そして今後の銀河統計的分析における汚染補正はどのように行えるか？
• RQ5 形状パラメータを除き、光度SED、光度赤方偏移、FWHM/PSFのみを用いて、信頼性のあるクリーンな銀河点源カタログを構築できるか？

主な発見

• 光度と形状を併用した場合、FWHM/PSFを含む形状パラメータの組み込みにより、分類正確性が88.1%から95.0%に向上した。
• FWHM/PSFは最も重要な特徴量であり、モデルの正確性の33%以上を占めており、星と銀河の分離においてその重要性が顕著に示された。
• 信号対雑音比の観点から、広帯域の方がわずかに重要性が高かったが、狭帯域のJ0410帯域はD_n4000をトレースし、銀河系内・銀河系外源を区別するために不可欠な役割を果たした。
• 形状情報を含めることで、特に不確実性が高まる領域における色-色図における誤分類が顕著に低減された。
• 最終的な銀河点源カタログには約18,000件の対象が含まれており、SED情報、光度赤方偏移（z_b > 0.002）、FWHM/PSFが1.0から1.5の間、かつP_gal > 0.5の条件を満たすものに限定された。
• 本研究では、赤銀河サンプルにおける星間汚染率を赤方偏移に応じて推定し、今後の銀河統計的分析における汚染補正を可能にした。