标签存档: 描述性语法

Neo: 一种支持层次结构标签和多输出标签的混淆矩阵可视化 (Neo: Generalizing Confusion Matrix Visualization to Hierarchical and Multi-Output Labels)

混淆矩阵是一种常见的可视化形式,它通过一个表格式的布局,对所有数据预测的标签与的实际标签进行比较,用于帮助人们评估机器学习模型。来自苹果公司的研究人员对机器学习领域学者进行调研,发现一般的混淆矩阵无法处理层次结构标签和多输出标签,因此他们设计了一个混淆矩阵代数,并提出了Neo[1],一种新型的支持层次结构标签和多输出标签的混淆矩阵可视化系统,允许从业者灵活地编写、互动和分享混淆矩阵。

继续阅读 »

P6:一种集成了机器学习的可视分析描述性语法 (P6: A Declarative Language for Integrating Machine Learning in Visual Analytics)

通过Vega [2],Vega-Lite [3]等描述性语法,用户能够快速地定义交互式数据可视化,但是这些描述性语法都没有提供机器学习算法来对数据进行进一步分析。P6 [1]提出了一种新的描述性语法,可以帮助用户迅速构建集成了机器学习算法的交互式可视分析系统。

继续阅读 »