IA e os Problemas Difíceis do Mundo · Astronomia e espaço · arXiv · 2026-10-20
Quando as Características de Raios X Não Conseguem Identificar Emissores Intrínsecos: Ruído de Rótulos e Sobreposição de Luminosidade na Classificação por Aprendizado de Máquina de AGN e Galáxias com Formação Estelar
Título original: When X-ray Features Fail to Identify Intrinsic Emitters: Label Noise and Luminosity Overlap in Machine Learning Classification of AGN and Star-forming Galaxies
Adicionar uma feature de fluxo de raios X a um classificador Random Forest de AGN e galáxias com formação estelar reduziu a acurácia de 97,51% para 89,26%. Os autores atribuem isso à sobreposição substancial na luminosidade de raios X em torno do limiar de 10^42 erg/s e ao ruído de rótulo dependente da instância próximo à linha de demarcação BPT. Em uma amostra fixa, adicionar a feature de raios X não alterou as métricas por classe, e sua importância por permutação foi consistente com zero, de modo que o classificador faz uso desprezível dela.