Голов Владислав Александрович, студент группы КМБ-01-16 кафедры высшей математики Института кибернетики
119454, Москва, пр-т Вернадского, д. 78
Vladislav A. Golov, Student, Higher Mathematics Department, Institute of Cybernetics
78, Vernadskogo pr., Moscow, 119454
Петрусевич Денис Андреевич, к.ф.-м.н., доцент кафедры высшей математики Института кибернетики
ResearcherID: AAA-6661-2020, Scopus Author ID: 55900513600
119454, Москва, пр-т Вернадского, д. 78
Denis A. Petrusevich, Cand. Sci. (Phys.–Math.), Associate Professor, Higher Mathematics Department, Institute of Cybernetics
ResearcherID: AAA-6661-2020, Scopus Author ID: 55900513600
78, Vernadskogo pr., Moscow, 119454
В работе проведен анализ набора данных Sloan Digital Sky Survey DR14, в котором в несколько этапов измерений собраны статистические данные о различных астрономических объектах. На поверхности Земли расположено много телескопов, собирающих данные об объектах в небе. На околоземной орбите и в космосе (обычно в точках Лагранжа систем Земля – Луна, Солнце – Земля) расположены или запланированы к размещению телескопы, следящие за небом в разных диапазонах. Значительный объем данных приводит к необходимости статистической обработки этого потока информации, а также к построению автоматических классификаторов по типу объекта. В работе представлены результаты предварительной обработки данных и работы различных видов классификаторов в задаче определения типа астрономического объекта из набора данных Sloan Digital Sky Survey DR14 (звезда, квазар или галактика) на основе нескольких распространенных метрик. Рассмотрены алгоритмы дерева принятий решений, логистическая регрессия, наивный «байесовский» классификатор и ансамбли классификаторов. Показано, что классификация подобных наборов данных может быть проведена без привлечения сложных систем машинного обучения (таких, как нейронные сети). Сделаны выводы об особенностях применения алгоритмов машинного обучения к этой задаче. В некоторых случаях работа классификаторов может быть интерпретирована с точки зрения физики. Точность построенных в работе классификаторов (согласно метрикам, учитывающим несбалансированность классов) достигает 90% и может считаться удовлетворительной и для того, чтобы считать задачу решенной, и для того, чтобы использовать структуру классификаторов для объяснения результатов классификации с точки зрения физики.
In the paper Sloan Digital Sky Survey DR14 dataset was investigated. It contains statistical information about many astronomical objects. The information was obtained within the framework of the Sloan Digital Sky Survey project. There are telescopes at the Earth surface, at the Earth orbit and in the Lagrange points of some systems (Earth–Moon, Sun–Earth). The telescopes gain information in different frequency ranges. The large quantity of statistical information leads to the demand for analytical algorithms and systems capable of making classification. Such information is marked up well enough to build machine learning classification systems. The paper presents the results of a number of classifiers. The handled data contains measures of three types of astronomical objects of the Sloan Digital Sky Survey DR14 dataset (star, quasar, galaxy). The CART decision tree, logistic regression, naïve Bayes classifiers and ensembles of classifiers (random forest, gradient boosting) were implemented. Conclusions about special features of each machine learning classifier trained to solve this task are made at the end of the paper. In some cases, classifiers’ structure can be explained physically. The accuracy of the classifiers built in this research is more than 90% (metrics F1, precision and recall are implemented, because the classes are unbalanced). Taking these values into account classification task is supposed to be successfully solved. At the same time, the structure of classifiers and importance of features can be used as a physical explanation of the solution.
The authors declare that there are no conflicts of interest present.