InstanceFlow:在实例层面可视化分类器混淆的演化
机器学习
2021-03-03 v2 机器学习
摘要
分类是最重要的监督机器学习任务之一。在分类模型训练期间,训练实例被多次(在多个 epoch 中)输入模型,以迭代提升分类性能。模型日益复杂导致通过可视化实现模型可解释性的需求不断增长。现有方法多聚焦于训练后最终模型性能的视觉分析,且常局限于聚合性能指标。本文中我们介绍 InstanceFlow,一种新颖的双视图可视化工具,允许用户分析分类器随时间在实例层面的学习行为。桑基图可视化实例在各 epoch 间的流动,并提供按需的详细字形与单个实例轨迹。表格视图允许用户通过排序与过滤定位有趣实例。以此方式,InstanceFlow 弥合了类级与实例级性能评估间的鸿沟,同时使用户能对训练过程进行完整的时间分析。
引用
@article{arxiv.2007.11353,
title = {InstanceFlow: Visualizing the Evolution of Classifier Confusion on the Instance Level},
author = {Michael Pühringer and Andreas Hinterreiter and Marc Streit},
journal= {arXiv preprint arXiv:2007.11353},
year = {2021}
}
备注
conditionally accepted for IEEE VIS 2020 short paper track; minor revisions compared to original version