ATMSeer：提升自动化机器学习的透明性与可控性
机器学习
2020-11-23 v1 人机交互
机器学习
摘要
为缓解手动选择机器学习算法与调参之苦，自动化机器学习（AutoML）方法已被开发以自动搜索优良模型。由于巨大的模型搜索空间，尝试所有模型是不可能的。用户往往不信任自动结果并尽可能增加搜索预算，从而削弱了 AutoML 的效率。为解决这些问题，我们设计并实现了 ATMSeer，一个支持用户精炼 AutoML 搜索空间并分析结果的交互式可视化工具。为引导 ATMSeer 的设计，我们基于与机器学习专家的访谈推导出使用 AutoML 的工作流。提出一种多粒度可视化，使用户能够监控 AutoML 过程、分析已搜索模型并实时精炼搜索空间。我们通过两个案例研究、专家访谈及一项有 13 名终端用户的用户研究展示了 ATMSeer 的效用与可用性。
引用
@article{arxiv.1902.05009,
title = {ATMSeer: Increasing Transparency and Controllability in Automated Machine Learning},
author = {Qianwen Wang and Yao Ming and Zhihua Jin and Qiaomu Shen and Dongyu Liu and Micah J. Smith and Kalyan Veeramachaneni and Huamin Qu},
journal= {arXiv preprint arXiv:1902.05009},
year = {2020}
}
备注
Published in the ACM Conference on Human Factors in Computing Systems (CHI), 2019, Glasgow, Scotland UK