A machine learning approach to galaxy properties: Joint redshift-stellar mass probability distributions with Random Forest

S. Mucesh, W. G. Hartley, A. Palmese, O. Lahav, L. Whiteway, A. F.L. Bluck, A. Alarcon, A. Amon, K. Bechtol, G. M. Bernstein, A. Carnero Rosell, M. Carrasco Kind, A. Choi, K. Eckert, S. Everett, D. Gruen, R. A. Gruendl, I. Harrison, E. M. Huff, N. KuropatkinI. Sevilla-Noarbe, E. Sheldon, B. Yanny, M. Aguena, S. Allam, D. Bacon, E. Bertin, S. Bhargava, D. Brooks, J. Carretero, F. J. Castander, C. Conselice, M. Costanzi, M. Crocce, L. N. Da Costa, M. E.S. Pereira, J. De Vicente, S. Desai, H. T. Diehl, A. Drlica-Wagner, A. E. Evrard, I. Ferrero, B. Flaugher, P. Fosalba, J. Frieman, J. García-Bellido, E. Gaztanaga, D. W. Gerdes, J. Gschwend, G. Gutierrez, S. R. Hinton, D. L. Hollowood, K. Honscheid, D. J. James, K. Kuehn, M. Lima, H. Lin, M. A.G. Maia, P. Melchior, F. Menanteau, R. Miquel, R. Morgan, F. Paz-Chinchón, A. A. Plazas, E. Sanchez, V. Scarpine, M. Schubnell, S. Serrano, M. Smith, E. Suchyta, G. Tarle, D. Thomas, C. To, T. N. Varga, R. D. Wilkinson

Research output: Contribution to journalArticlepeer-review

4 Scopus citations

Fingerprint

Dive into the research topics of 'A machine learning approach to galaxy properties: Joint redshift-stellar mass probability distributions with Random Forest'. Together they form a unique fingerprint.

Physics & Astronomy

Earth & Environmental Sciences