HypoML：用于基于假设的机器学习模型评估的可视分析
人机交互
2020-08-28 v1 计算机视觉与模式识别
机器学习
摘要
在本文中，我们提出一种支持基于假设评估机器学习（ML）模型的可视分析工具。我们描述一种新颖的 ML 测试框架，它将传统的统计假设检验（常用于实证研究）与关于多个假设结论的逻辑推理相结合。该框架定义了受控配置，用于测试若干假设：关于某一“概念”或“特征”的额外信息是否以及如何在何种程度上有益或妨碍 ML 模型。由于对多个假设进行推理并非总是直观，我们提供 HypoML 作为可视分析工具，借助该工具，多线程测试数据被转换为可视表示，以便快速观察结论以及测试数据与假设之间的逻辑流。我们已将 HypoML 应用于若干假设概念，展示了可视分析的直观性与可解释性。
引用
@article{arxiv.2002.05271,
title = {HypoML: Visual Analysis for Hypothesis-based Evaluation of Machine Learning Models},
author = {Qianwen Wang and William Alexander and Jack Pegg and Huamin Qu and Min Chen},
journal= {arXiv preprint arXiv:2002.05271},
year = {2020}
}
备注
This article was submitted to EuroVis 2020 on 5 December 2020. It was not accepted. Because the reviews have not identified any technical problems that would undermine the novelty and validity of this work, we think that the article is ready to be released as an arXiv report. The EuroVis 2020 reviews and authors' short feedback can be found in the anc folder