[论文解读] Tagging heavy flavours with boosted decision trees

João A. Bastos|ArXiv.org|Feb 5, 2007

Data Analysis with R参考文献 4被引用 3

一句话总结

本论文利用LHC上WH→lνqq̄事例的蒙特卡洛模拟，评估了提升决策树（BDT）在b-夸克喷注识别中的表现。BDT通过AdaBoost算法迭代提升决策树，结合次级顶点质量与影响参数等物理可观测量，其性能优于前馈神经网络，在60%的b-夸克喷注识别效率下，轻夸克喷注拒收率提高了35%。

ABSTRACT

This paper evaluates the performance of boosted decision trees for tagging b-jets. It is shown, using a Monte Carlo simulation of $WH o lνq\bar{q}$ events that boosted decision trees outperform feed-forward neural networks. The results show that for a b-tagging efficiency of 60% the light jet rejection given by boosted decision trees is about 35% higher than that given by neural networks.

研究动机与目标

• 评估提升决策树（BDT）在高能物理中用于b-夸克喷注识别的性能。
• 利用WH→lνqq̄事例的真实蒙特卡洛模拟，将BDT与前馈神经网络进行比较。
• 评估BDT在中等b-夸克喷注识别效率下是否能提升对轻夸克喷注的拒收能力。
• 探究BDT是否可作为b-夸克喷注识别中神经网络的更优替代方案。
• 通过次级顶点质量、影响参数和动量分数等物理可观测量验证该方法。

提出的方法

• BDT采用AdaBoost算法实现，每棵树基于加权喷注模式进行训练，以最小化误分类。
• 该算法通过优化基尼指数，逐次构建决策树，以在每次分裂时最大化b-夸克喷注与u-夸克喷注之间的分离度。
• 每棵树训练后更新喷注权重：误分类喷注被提升（权重增加），正确分类喷注被降低权重。
• 最终分类器得分是各棵树输出的加权和，权重由每棵树的误分类误差（βk = log((1−εk)/εk)）确定。
• 输入特征包括七个物理可观测量：次级顶点质量、横向与纵向影响参数显著性、次级顶点中动量分数及轨迹多重性。
• 使用独立的测试样本评估性能，确保对分类器判别能力的无偏评估。

实验结果

研究问题

• RQ1 在WH→lνqq̄事例中，提升决策树是否优于前馈神经网络用于b-夸克喷注识别？
• RQ2 在中等b-夸克喷注识别效率下，BDT与神经网络相比，其轻夸克喷注拒收能力如何？
• RQ3 BDT的最优配置（如树的数量、最小叶节点大小）为何种设置，可使识别性能最大化？
• RQ4 次级顶点质量与影响参数等物理可观测量如何贡献于BDT的判别能力？
• RQ5 当完整模拟中包含探测器效应与喷注重叠时，BDT方法是否仍保持优越性能？

主要发现

• 在60%的b-夸克喷注识别效率下，提升决策树的轻夸克喷注拒收率比前馈神经网络高出约35%。
• BDT的性能优势在中等b-夸克喷注识别效率下最为显著，在高效率下无明显优势。
• 最优BDT配置采用每叶至少7000个喷注，且在数百次树迭代后收敛。
• BDT得分被归一化至[0,1]区间，在测试样本中显示b-夸克喷注（实线）与u-夸克喷注（虚线）之间具有更优的分离度。
• 神经网络使用归一化输入，并以BFGS算法训练1000个周期，但仍低于BDT在轻夸克喷注拒收方面的表现。
• 本研究证实，BDT是b-夸克喷注识别中神经网络的有前途替代方案，尤其在需要高背景抑制的场景中。