随着人工智能的发展,机器学习的模型变得越来越复杂,它们难以理解且调试繁琐。迄今为止,几乎所有的可视分析方案均是针对单一模型或是仅仅分析结果,它们要么需要了解内部构造(例如对神经网络隐藏层进行可视分析),要么难以对比不同模型,并将分析结果返回模型中迭代。本文提出了一种可视化解决方案名为Manifold,它不用了解算法内部构造,仅关注输入与输出。该方案以散点图可视摘要+特征细化的方式,为用户提供了假设、推理、验证的工作流程,以帮助用户理解、调试复杂的算法,并且能比对同类问题(分类、回归的有监督学习)的多个算法。
作者存档: Zhang Wentao
模型无关的机器学习解释与诊断框架 (Manifold: A Model-Agnostic Framework for Interpretation and Diagnosis of Machine Learning Models)
作者: Zhang Wentao
日期: 2019年4月26日
模型无关的机器学习解释与诊断框架 (Manifold: A Model-Agnostic Framework for Interpretation and Diagnosis of Machine Learning Models)已关闭评论
组织病理学中的原始分辨率交互式三维可视化 (Interactive Visualization of 3D Histopathology in Native Resolution)
作者: Zhang Wentao
日期: 2018年11月18日
组织病理学中的原始分辨率交互式三维可视化 (Interactive Visualization of 3D Histopathology in Native Resolution)已关闭评论
用手绘无尺度限制草图查询时间序列(Expressive Time Series Querying with Hand-Drawn Scale-Free Sketches)
作者: Zhang Wentao
日期: 2018年8月17日
用手绘无尺度限制草图查询时间序列(Expressive Time Series Querying with Hand-Drawn Scale-Free Sketches)已关闭评论
近期评论