数

子课题组基于机器学习方法测试了多种测光红移方法。利用已有的SDSS QSO样本，利用BASS和ALLWISE数据进行了测光红移估计，比较了不同机器学习方法（Xgboost，CatBoost，RF）在估计测光红移上的准确度和效率。进行了整体红移和分层红移预测。后者是将样本分成高红移和低红移样本，对两部分分别预测。得到的结果是分层预测优于整体预测。

下一步，将用SDSS光谱卷积CSST滤光片的透过率曲线，模拟CSST的多波段测光，以测试不同估计测光红移的机器学习模型。

                                                                                                                   整体预测

分层红移预测