AI与世界难题 · 天文与太空 · arXiv · 2026-10-20
当X射线特征无法识别本征发射体时：AGN与恒星形成星系机器学习分类中的标签噪声与光度重叠
原标题: When X-ray Features Fail to Identify Intrinsic Emitters: Label Noise and Luminosity Overlap in Machine Learning Classification of AGN and Star-forming Galaxies
在AGN与恒星形成星系的随机森林分类器中加入X射线通量特征后，准确率由97.51%降至89.26%。作者将此归因于X射线光度在10^42 erg/s阈值附近存在大量重叠，以及BPT分界线附近依赖于样本实例的标签噪声。在固定样本上，加入X射线特征并未改变各类别的分类指标，其置换重要性与零一致，因此该分类器几乎不使用这一特征。