Ferreira2026MAHAzMahalanobisDistance

Brief #

  • 利用 Mahalanobis distance kNN 进行 photo-z 估计,PDF 由多个 neighbor 的 KDE 给出
    • 和已有方法没有太大差距,并且在框架简单性、透明度上具有优势
  • 4000A break 依然是最重要的特征以及最重要的信息来源

Intro #

  • photo-z 方法包括 template fitting 以及 ML 两类
  • kNN 方法依赖距离的定义,Mahalanobis distance 相比 Euclidean distance 更合适

Maha-z estimator #

  • Mahalanobis distance 的定义以协方差矩阵 C 给出
    • 误差来自光谱训练集的经验协方差以及测光平均误差的组合
  • feature space 包括观测星等、颜色以及可选的 morphology 参数(比如等效半径、Sersic index)
  • 具体做法就是从 kNN 出发,用均值作为点估计,用 KDE 构建 PDF
    • k 本身也是一个待确定参数
  • 可以处理数据缺失的情况,因为对缺失数据维度进行积分/marginalize 之后分布仍然是 Gaussian 形式

Validation metrics #

  • 点估计的性能指标包括 bias, scatter 以及 outlier fraction
  • PDF 指标包括 PIT 和 KS 统计量、PDF coverage、对 multi-modality 的处理

Results #

  • 在 FS2、Legacy-KiDS 等数据集上进行了运行和测试
  • Euclid FS2 在加入 LSST data 之后性能有明显的提升
    • NISP 在加入形态学参数之后有明显提升,但是 LSST+NISP 在加入形态学之后改变不大(fig3)
    • 控制变量法发现 photo-z 性能几乎完全取决于 4000A break 对应的 color 位置(fig4),此外 Lyamn break 位置也比较重要(比如 1.83 红移处的 u-band data)
  • Legacy-KiDS 上的 maha-z 表现和官方 BPZ 类似
    • 加入 morphology 之后性能反而下降
  • VIPERS 上的表现和已有方法一致
  • DES BAO 样本中 maha-z 的表现和 ANNz 类似,但是计算更轻量
    • PIT 均存在过于保守的现象

Thoughts #

  • 其实 redMaPPer 的 photo-z 部分也类似一个 Mahalanobis distance photo-z estimator,不同之处在于显式地强调了 4000A break 的重要性
  • 所以 photo-z 不是一个很复杂的任务,简单的 kNN 可以捕获大部分的关系,而且大部分的信息蕴藏在 4000A break 中
  • 没有应用到「外推」的情况,在那种情况下也许 template 方法更具优势
    • kNN 甚至无法给出即使是不准确的外推结果