[论文解读] Photometric light curves classification with machine learning

Tatiana Gabruseva, Sergey Zlobin+1 more|arXiv (Cornell University)|Sep 10, 2019

Astronomical Observations and Instrumentation参考文献 11被引用 4

一句话总结

该论文提出了一种基于手工特征、数据增强和特征选择的梯度提升机器学习方法，用于分类测光光变曲线。在PLAsTiCC挑战赛中，该方法在大多数天文物体类别中取得了顶级性能，准确率高达88–100%，但超新星类型分类准确率较低（33–71%），原因在于亚型之间存在高度混淆，尤其是SNIax（类别52）。

ABSTRACT

The Large Synoptic Survey Telescope will complete its survey in 2022 and produce terabytes of imaging data each night. To work with this massive onset of data, automated algorithms to classify astronomical light curves are crucial. Here, we present a method for automated classification of photometric light curves for a range of astronomical objects. Our approach is based on the gradient boosting of decision trees, feature extraction and selection, and augmentation. The solution was developed in the context of The Photometric LSST Astronomical Time Series Classification Challenge (PLAsTiCC) and achieved one of the top results in the challenge.

研究动机与目标

• 开发一种用于即将开展的LSST巡天测光光变曲线的自动化、高精度分类系统。
• 解决从大规模、不平衡数据集中分类多样化天文物体和周期性变星的挑战。
• 构建一种稳健的单模型解决方案，避免使用复杂的集成方法，以提升实际部署的可行性。
• 通过有效的特征工程、特征选择和数据增强手段，提升分类性能。

提出的方法

• 采用LightGBM（一种梯度提升决策树算法）进行分类，利用从光变曲线和元数据中提取的手工特征。
• 提取了100多个统计、时域和测光特征，包括流量偏度、中位数绝对偏差、自相关性以及颜色指数（如g−r、r−z）。
• 应用数据增强技术以减少过拟合并提升在高度不平衡训练集上的泛化能力。
• 使用排列重要性与皮尔逊相关性对特征进行排序和选择，以降低冗余性。
• 执行5折交叉验证以评估模型稳定性并防止过拟合。
• 将与波段相关的特征（如flux_i、gauss_s_i、fitted_g_r）以及红移元数据（如hostgal-photoz）整合到最终特征集中。

实验结果

研究问题

• RQ1 是否可以仅使用一个高效机器学习模型，在不依赖复杂集成或测试时增强的情况下，实现对测光光变曲线的高分类准确率？
• RQ2 哪些手工特征组合与数据增强技术的搭配能实现对多样化天文物体和周期性变星的最佳分类性能？
• RQ3 特征选择如何影响模型的准确率与泛化能力，特别是在高度不平衡的数据集上？
• RQ4 主要的误分类来源是什么？是否可以通过有针对性的特征工程或模型架构调整加以缓解？

主要发现

• 该模型在除超新星亚型外的所有天文物体类别中均实现了88–100%的分类准确率。
• 超新星类别（42、52、62、67、90）的准确率最低，范围为33%至71%，其中类别52（SNIax）的混淆程度最高。
• 混淆矩阵显示不同超新星类型之间存在显著重叠，尤其是SNIax与其他核心坍缩超新星之间。
• 通过排列重要性与相关性过滤进行的特征选择，有效减少了过拟合并提升了模型性能。
• 数据增强技术有助于减少过拟合并提升泛化能力，尤其在稀有类别上表现显著。
• 自编码器与多种参数化曲线拟合方法（如Bazin、Karpenka）并未优于单一拟合或手工特征，性能未见提升。