MAKİNE ÖĞRENİMİ İLE SHAPLEY KONSANTRASYON BÖLGESİNDE GALAKSİLERİN SINIFLANDIRILMASI

CLASSIFICATION OF GALAXIES IN SHAPLEY CONCENTRATION REGION WITH MACHINE LEARNING

Özet

Galaksiler, kütle çekim kuvvetiyle bir arada bulunan yıldızlar, gaz, toz ve karanlık maddeden meydana gelen sistemlerdir. Evrende milyarlarca galaksi bulunmaktadır. Her bir galaksinin tek tek incelenmesinin maliyeti yüksek olduğundan galaksi sınıflandırması astronomik veri analizinde önemli bir yer tutmaktadır. Galaksiler morfolojilerine ve spektral özelliklerine göre sınıflandırılmaktadır. Veri seti içindeki gizli örüntüyü ortaya çıkarmayı amaçlayan makine öğrenme yöntemleri mevcut veriyi analiz ederek doğal grupları henüz tespit edilmemiş olan galaksilerin hangi gruba ait olduğunu tahmin etmek amacıyla kullanılabilir. Bu da gerek araştırmacılara gerekse astronomlara zaman ve maliyet açısından kazanç sağlayacaktır. Bu çalışma da Shapley Konsantrasyon bölgesindeki 4215 galaksi, 5 değişken (enlem, boylam, parlaklık, hız ve hızdaki sapma) dikkate alınarak sınıflandırılmıştır. IDL programlama ile doğal grupları tespit edilen galaksiler Weka programı ile makine öğrenme algoritmaları kullanılarak sınıflandırılmıştır. Bayes Sınıflandırıcı yöntemlerinden Naive Bayes ve Bayes net, Karar Ağaçları yöntemlerinden J48, LMT ve Random Forest algoritmaları, Yapay Sinir Ağlarından Çok Katmanlı Algılayıcılar ve Destek Vektör sınıflandırıcı yöntemleri kullanılmıştır. Elde edilen sınıflandırma sonuçları doğal gruplarla karşılaştırılmış ve yöntemlerin tahmin performansları değerlendirilmiştir.

Abstract

The galaxies, are the systems consisting of stars, gas, dust and dark matter combined with the gravitational force. Thereare billions of galaxies in the universe. Since the cost of examining each galaxy one by one is high, the classification of thegalaxy is an important part of the astronomical data analysis. Galaxies are classified according to their morphologies andspectral properties. Machine learning methods aiming the revealing of hidden pattern within the data set by analyzing theavailable data, can be used to estimate unidentified natural groups of galaxies. This will save time and cost for bothresearchers and astronomers. This study has been classified five-variables (Right ascension, Declination, Magnitude,Velocity, and Sigma of Velocity) of 4215 galaxies. Galaxies whose natural groups were determined with IDL were classifiedby using machine learning algorithms with Weka program. Bayes classifier methods, Naive Bayes and Bayes net, Decisiontree methods J48, LMT and Random Forest algorithms, Artificial Neural Networks Multilayer Perceptron and Supportvector classifier methods were used. The obtained classification results were compared with the natural groups and thepredictive performance of the methods were evaluated.