5.2.1 aniva pa manu

Tuufaatasia aniva pa manu le taumafaiga a le tele o volenitia e lē o ni tagata tomai faapitoa e faavasega ai se miliona aniva.

ola aniva pa manu mai o se faafitauli o feagai ma Kevin Schawinski, faauu mai aoga i le saienisi o fetū i le Iunivesite o Oxford i le 2007. faafaigofie fai si, sa manao Schawinski i aniva, ma e mafai ona faavasegaina aniva e latou morphology-elliptical po matuai faatupulaia le leaga-ma e ala ia latou lanu-lanumoana pe lanumumu. I le taimi, poto masani i totonu o tagata e suʻesuʻeina fetu na e aniva matuai faatupulaia le leaga, e pei o lo tatou Aniva Way, sa lanu moana i le lanu (e faailoa autalavou) ma sa mumu o aniva elliptical i lanu (e faailoa tausaga le matua). masalosalo Schawinski lenei poto e masani ai. Na ia masalomia e ui atonu e moni lenei mamanu i le aoao, sa i ai atonu o se numera toatele o tuusaunoaga, ma e ala i le suesueina le tele o nei tulaga ese aniva-o le tagata e leʻi fetaui le faamoemoe mamanu-e mafai ona ia aoaoina se mea e uiga i le faagasologa o le ala lea faia aniva.

O lea, o le a manaomia Schawinski ina ia saʻe le poto e masani o se seti tele o morphologically faavasegaina aniva; e, aniva na faavasegaina e avea o loloʻu po elliptical. O le faafitauli, peitai, o lo oi ai nei metotia algorithmic mo faavasegaina e lei lelei lava e tatau ona faaaogaina mo suesuega faasaienisi; i ni isi upu, classifying aniva sa, i lena taimi, o se faafitauli lea sa faigata mo komepiuta. O le mea lea, le mea na manaomia o se vaega tele o tagata aniva faavasegaina. tauaveina Schawinski lenei faafitauli faavasegaina ma le naunautai o se tamaitiiti aoga faauu. I se sauniga marafoni o le fitu, o aso e 12-itula, ia sa mafai ona faavasega 50,000 aniva. A 50,000 atonu e foliga aniva e pei o se tele, e moni lava na o le 5% o le toetoe lava o le tasi miliona aniva na pueina i le Fuagafanua lagi Sloan Faatekinolosi. iloaina Schawinski ia manaomia se auala scalable sili atu.

Mea e lelei ai, o le liliu mai e le manaomia ai aoaoga maualuluga atu le galuega o le classifying aniva i saienisi o fetū; e mafai ona e aoao atu se tasi e faia vave aulelei ai. I se isi faaupuga, e ui lava classifying aniva o se galuega e faigata mo komepiuta, sa faigofie mo tagata. O lea la, ao nofo ai i le fale faʻainu i Oxford, Schawinski ma uso astronomer moemiti Chris Lintott se website lea o le a faavasega ai tagata e ofo mai ata o aniva. I ni nai masina mulimuli ane, na fanau mai aniva pa manu.

I le website pa manu aniva, o le a oo i tagata e ofo mai ni nai minute o le aoaoina; mo se faataitaiga, le aoaoina o le eseesega i le va o se matuai faatupulaia le leaga ma aniva elliptical (Ata 5.2). Ina ua mavae lenei aoaoga, o le ofo sa oo a matua faigofie suega-saʻo classifying 11 o 15 aniva ma o le a amata iloa faavasegaina-ma o lea o le volenitia faavasegaina moni o aniva iloa e ala i se Ofisa o faavae-web faigofie (Ata 5.3). O le suiga mai le e ofo mai e astronomer le a tupu i le itiiti ifo i le 10 minute ma na manaomia le tufaina o le maualalo o hurdles, o se suega faigofie.

Ata 5.2: Faataitaiga o le ituaiga autu e lua o aniva: loloʻu ma elliptical. O le galuega faatino o aniva pa manu faaaogaina e sili atu nai lo le 100,000 tagata e ofo mai e vaega e sili atu nai lo 900.000 ata. Puna: www.galaxyzoo.org .

Ata 5.3: sao lau lea sa fesili tagata palota e faavasega ai se faatusa e tasi. Puna: www.galaxyzoo.org .

tosina aniva pa manu lona uluai ofo ina ua uma le galuega faatino na faaalia ai i se talafou, ma e uiga i le ono masina le galuega faatino ola e aofia ai le sili atu nai lo le 100,000 saienitisi tagatanuu, o tagata na auai ona ua latou fiafia i le galuega ma sa latou mananao e fesoasoani saienisi o fetū muamua. Faatasi, o nei 100,000 volenitia sao le aofaiga o le silia ma le 40 miliona faavasegaina, ma le toatele o le faavasegaina o mai mai se toʻaitiiti, vaega autu o tagata o le vasega (Lintott et al. 2008) .

Suesue o loo i ai aafiaga faatonu fesoasoani suesuega malaga e ono vave ona masalosalo e uiga i faamatalaga lelei. A o lenei masalosalo e talafeagai, e faaalia ai aniva pa manu pe a saʻo faamama saofaga volenitia, debiased, ma tuufaatasia, e mafai ona latou maua taunuuga sili ona lelei (Lintott et al. 2008) . O se togafiti taua mo le mauaina o le motu o tagata e fatu ai faamatalaga lelei o tomai faapitoa o redundancy; o lona uiga, ua le galuega lava lea e tasi na faia e le toatele o tagata eseese. I aniva pa manu, sa i ai e uiga i le 40 faavasegaina i le aniva; suesue le faaaogaina o fesoasoani suesuega malaga le mafai ona gafatia o lenei tulaga o le redundancy ma o lea e tatau ona avea ma mea e sili atu ona popole i le tulaga o le faavasegaina o tagata taitoatasi. A leai o le ofo i aoaoga, latou te faia mo i redundancy.

E ui lava i le tele o faavasegaina i le aniva, peitai, e tuufaatasi ai le seti o faavasegaina e ofo mai e tuuina atu a faavasegaina maliega o tricky. Talu ai e talitutusa lava luitau e tulai mai i le tele o galuega fuafuaina a tagata, e fesoasoani tele le iloiloina faapuupuu le laasaga e tolu o le faaaoga suesue pa manu aniva e tuuina atu o latou faavasegaina maliega. Muamua, o le suesue "faamama" o le faamatalaga i le aveesea faavasegaina bogus. Mo se faataitaiga, o tagata e soo faavasegaina le tasi aniva-o se mea o le a tupu pe afai latou sa taumafai e faatiga i le taunuuga-sa latou faavasegaina uma tiai nei. Lenei ma isi faamamaina tutusa aveesea e uiga i le 4% o faavasegaga uma.

Lona lua, ina ua uma ona faamamaina, manaomia le suesue e aveese faaituau faiga i faavasegaga. E ala i se faasologa o faaituau suesuega mauaina o loo faamau i totonu o le galuega e mo uluai faataitaiga, e faaalia o nisi e ofo le aniva i monochrome nai lo le lanu-o le suesue maua ni faaituau faiga, e pei o se faaituau faiga e faavasega mamao loloʻu aniva o aniva elliptical (Bamford et al. 2009) . Fetuutuunai mo nei faaituau faiga E matuai taua ona e le aveesea ai pe tusa ma le tele o saofaga faaituau faiga; na aveesea ai mea sese soo.

Mulimuli ane, ina ua uma debiasing, manaomia le suesue a auala e tuufaatasi le faavasegaina o tagata taitoatasi ina ia maua se faavasegaina maliega. O le auala aupito faigofie e tuufaatasia faavasegaina mo aniva taitasi o le a e filifili le faavasegaina taatele. Peitai, o lenei auala o le a tuuina atu le mamafa tutusa volenitia taitasi, ma le suesue masalomia e faapea sa sili atu nisi e ofo i le faavasegaina nai lo isi. O le mea lea, o le atiina ae suesue a taualumaga weighting iterative sili ona faigata o le taumafai e otometi lava ona iloa le mea sili classifiers ma tuuina atu i latou e sili atu le mamafa.

O lea, ina ua mavae se tolu laasaga faagasologa-faamamaina, debiasing, ma weighting-o le na liua au suesuega pa manu aniva 40 miliona faavasegaina volenitia i se seti o maliega faavasegaina morphological. Ina nei na faatusatusa faavasegaina pa manu aniva e tolu talu ai taumafaiga laiti-fua e tagata e suʻesuʻeina fetu tomai faapitoa, e aofia ai le faavasegaina e Schawinski na fesoasoani e musuia aniva pa manu, sa i ai le maliega malosi. O lea la, o le tagata e ofo mai, i le tuufaatasiga, sa mafai ona tuuina atu faavasegaina maualuga le tulaga lelei ma i se tulaga e le mafai ona tutusa le suesue (Lintott et al. 2008) . O le mea moni, e ala i le faavasegaina o le tagata mo ia se numera tele o aniva, Schawinski, Lintott, ma isi na mafai ona e faaali atu na o le 80% o aniva mulimuli i le faamoemoe mamanu-o lanu moana spirals ma ellipticals-ma mumu pepa tele ua tusia e uiga i lenei mauaina (Fortson et al. 2011) .

Tuuina atu lenei faamatalaga, e mafai ona tatou vaai atu nei i le auala faapea pa manu aniva le vaeluaina-faaaoga-tuufaatasia fua, o le fua lava lea e tasi o loo faaaogaina mo le tele o galuega fuafuaina tagata. Muamua, ua vaeluaina se faafitauli tele i ni oga. I lenei tulaga, ua vaeluaina le faafitauli o le classifying a miliona aniva i se miliona faafitauli o classifying tasi aniva. Sosoo ai, o loo faatatau se taotoga e fāsimea taitasi tutoatasi. I lenei tulaga, o se volenitia le a faavasega ai aniva taitasi e avea o loloʻu po elliptical. Mulimuli ane, o le taunuuga o loo tuufaatasi e maua ai se taunuuga maliega. I lenei tulaga, o le tuufaatasia laasaga e aofia ai le faamamaina, debiasing, ma weighting e maua ai se faavasegaina maliega mo aniva taitasi. E ui lava o le tele o galuega faatino e faaaogaina lenei fua lautele, e manaomia laasaga taitasi e patino i le ua faatuatusi faafitauli patino. Mo se faataitaiga, i le galuega faatino fuafuaina o tagata o loo faamatalaina i lalo, o le a mulimuli i le fua e tasi, ae o le a e fai sina eseese faaaogaina ma tuufaatasia laasaga.

Mo le au pa manu aniva, o lenei uluai galuega sa na o le amataga. Latou iloaina vave e ui lava sa mafai ona latou faavasega latalata i se miliona aniva, e le lava lenei fua e galulue ma suesuega fou lagi komepiuta, lea e mafai ona maua mai ata o le 10 piliona vanimonimo (Kuminski et al. 2014) . Ina ia taulimaina le faateleina mai le 1 miliona i le 10 piliona-o se vaega o le 10,000-aniva pa manu le a tatau ona faafaigaluegaina tagata pe tusa lea ma le 10,000 taimi e sili atu tagata e auai. E ui lava o le tele o le aofai o tagata volenitia i luga o le Initoneti, e le iu. O le mea lea, ua iloa e le au suesue e faapea, afai o le a latou taulimaina lava tuputupu aofaiga o faamatalaga, o se fou, e sili atu scalable, auala na manaomia.

O le mea lea, Manda Banerji-le galulue faatasi ma Kevin Schawinski, Chris Lintott, ma isi tagata o le komepiuta e aoao amata-au pa manu aniva e faavasega aniva. Sili atu faapitoa, e faaaoga ai le faavasegaina o tagata foafoaina e aniva pa manu, Banerji et al. (2010) fausia se faataitaiga e aoao ai masini e mafai ona valoia le faavasegaina o tagata o le a aniva e faavae i luga o le uiga o le faatusa. Afai o lenei e mafai ona toe faia ni kopi faataitaiga aoaoina masini le faavasegaina tagata ma le sao atoatoa maualuga, lea e mafai ona faaaogaina e suesue aniva pa manu e faavasega ai se numera e le iu moni o aniva.

O le autu o Banerji ma paaga 'faiga e moni aulelei tutusa auala masani ona faaaogaina i suesuega faaagafesootai, e ui lava atonu e le manino foi e tutusa i le tepa muamua. Muamua, liua Banerji ma paaga faatusa taitasi i se seti o numeric vaega e aotele ai le meatotino. Mo se faataitaiga, mo le ata o le aniva e le mafai ona tolu vaega: o le aofaiga o le lanu moana i le faatusa, o le variance i le pupula o le pixels, ma le tele o le pixels lē sinasina. O le filifiliga o le vaega saʻo o se vaega taua o le faafitauli, ma o le lautele e manaomia ai tomai eria-mataupu. O lenei laasaga muamua, e masani ona taʻua o vaega inisinia, e taunuu i se faamatalaga o Taiala ma se tasi laina i le faatusa ma ni koluma se tolu o loo faamatalaina ai e faatusa. Ona o le faamatalaga o Taiala ma le naunau galuega faatino (eg, pe o le faatusa sa i le faatulagaga e se tagata e avea o se aniva elliptical), o le tagata suesue le fuafaatatau a le faataamilosaga o se faataitaiga-mo faafuainumera faataitaiga, o se mea e pei o se regression-o logistic predicts le faavasegaina o tagata e faavae i luga o le vaega o le faatusa. Mulimuli ane, e faaaoga e le tagata suesue le tapulaa i lenei faataitaiga faafuainumera e tuuina faavasegaina fuafuaina o aniva fou (Ata 5.4). E mafaufau i se analog faaagafesootai, mafaufau faapea e maua faamatalaga demographic e uiga i se miliona tamaiti o le vasega, ma o le ae iloa pe latou faauu mai le kolisi pe leai. E mafai ona e fetaui a regression logistic i lenei faamatalaga, ona e mafai ona e faaaogaina o le taunuuga o le faataamilosaga faataitaiga e valoia pe o le a tamaiti aoga fou e faauu mai le kolisi. I masini e aoao ai, o lenei auala-i le faaaogaina faataitaiga faaigoaina e fatu ai se faataitaiga faafuainumera e mafai ona faaigoa lea fou faamatalaga-ua taʻua vaavaaia aoaoina (Hastie, Tibshirani, and Friedman 2009) .

Ata 5.4: faafaigofie faamatalaga o le auala Banerji et al. (2010) faaaogaina le faavasegaina pa manu aniva e aoao se faataitaiga e aoao ai masini e fai faavasegaina aniva. na liua Images o aniva i se Taiala o foliga. I lenei faataitaiga faigofie e tolu vaega (o le aofaiga o le lanu moana i le faatusa, o le variance i le pupula o le pixels, ma le tele o le pixels lē sinasina). Ona, mo se subset o le ata, o le o loo faaaogaina igoa pa manu aniva e aoao se faataitaiga e aoao ai masini. Mulimuli ane, o le o loo faaaogaina e aoao ai masini e faatatau faavasegaina mo le totoe aniva. Ou te valaau atu o lenei ituaiga o galuega faatino o se galuega faatino computational tagata-tupulaga lona lua aua, nai lo le tagata e foia se faafitauli, latou tagata fausia se dataset e mafai ona faaaogaina e aoao se komepiuta e foia ai le faafitauli. O le lelei o lenei auala fesoasoani-komepiuta e e mafai ai ona e taulimaina le mea moni e le iu aofaiga o faamatalaga e faaaoga na o se aofaiga gata o taumafaiga a tagata.

O le vaaiga i Banerji et al. (2010) masini sa sili atu ona faigata faataitaiga e aoao ai nai lo i latou i loʻu meataalo faataitaiga-mo se faataitaiga, sa ia faaaogaina e pei o foliga "de Vaucouleurs fetaui Fua Faatusatusa axial" -ma o le regression logistic lana faataitaiga, o se fesootaiga neural faafoliga. O le faaaogaina o ia vaega, o lona faatusa, ma le maliega faavasegaina pa manu aniva, sa mafai ona faia le mamafa i luga o vaega taitasi, faaaoga lea o nei mamafa e faia valoaga e uiga i le faavasegaina o aniva. Mo se faataitaiga, o loo maua ia auiliiliga o le ata ma le maualalo "de Vaucouleurs fetaui Fua Faatusatusa axial" sili atu ai ona avea aniva matuai faatupulaia le leaga. Tuuina atu nei le mamafa, ia sa mafai ona valoia le faavasegaina o tagata o le a aniva sao talafeagai.

O le galuega o Banerji et al. (2010) liliu aniva pa manu i le mea ou te taʻua o se tupulaga lona lua faiga fuafua tagata. O le e auala sili manatu e uiga i nei faiga tupulaga lona lua e faapea, nai lo le tagata e foia se faafitauli, latou tagata fausia se dataset e mafai ona faaaogaina e aoao se komepiuta e foia ai le faafitauli. O le aofaiga o faamatalaga manaomia e aoaoina le komepiuta e mafai ona tele atu e manaomia ai se vaega tele o tagata galulue e fatu. I le tulaga o aniva pa manu, o le fesootaiga neural faaaogaina e Banerji et al. (2010) e manaomia a lava aofaiga tele o faataitaiga o loo faaigoaina-tagata ina ia fausia se faataitaiga e mafai ona e toe faalagolago le faavasegaina o tagata.

O le lelei o lenei auala fesoasoani-komepiuta e e mafai ai ona e taulimaina le mea moni e le iu aofaiga o faamatalaga e faaaoga na o se aofaiga gata o taumafaiga a tagata. Mo se faataitaiga, o se tagata suesue i se miliona aniva faavasegaina o tagata e mafai ona fausia se faataitaiga predictive ia e mafai ona faaaogaina e faavasega ai a piliona po o se trillion aniva. Afai e tele le aofai o aniva, o lenei ituaiga o hybrid komepiuta-tagata moni lava le na o le fofo e mafai ai. e le o saoloto lenei scalability iʻu, peitai. Fausiaina o se masini e aoao faataitaiga e mafai ona sao toe gaosia le faavasegaina o tagata e lava se faafitauli faigata, ae o le mea e lelei o loo i ai ua lelei tusi faapaiaina i lenei autu (Hastie, Tibshirani, and Friedman 2009; Murphy 2012; James et al. 2013) .

faaalia aniva pa manu le amatalia ai le tuputupu o le tele o galuega fuafuaina tagata. Muamua, o se tagata suesue taumafai le galuega faatino e ia lava po o se au laiti o le fesoasoani i suesuega (eg, taumafaiga faavasegaina uluai a Schawinski). Afai o lenei auala e le fua lelei, o le suesue e mafai ona siitia atu i se galuega faatino faatatauina le tagata lea e toatele tagata sao faavasegaina. Ae, mo se tusi faapitoa o faamatalaga, o le a le lava mama taumafaiga tagata. I lena tulaga, suesue manaomia e fausia faiga tupulaga lona lua lea faavasegaina o tagata o loo faaaogaina e aoao se faataitaiga e aoao ai masini ina ia mafai lea ona faaaoga toetoe lava faatapulaaina aofaiga o faamatalaga.