MultiCaM-Vis: 面向高类别数量多分类模型的可视化探索
人机交互
2023-09-13 v1 机器学习
摘要
对具有大量类别的多分类模型进行可视化探索，将有助于机器学习专家识别学习阶段中出现的问题(如样本误分类)的根本原因。以往大多数可视化分析方案仅针对少数几个类别。本文提出一种交互式可视化分析工具 MultiCaM-Vis，它提供\Emph{概览+细节}风格的平行坐标视图以及和弦图，用于探索和检查样本在类别层面的误分类。我们还展示了有 12 名参与者参与的初步用户研究结果。
引用
@article{arxiv.2309.05676,
title = {MultiCaM-Vis: Visual Exploration of Multi-Classification Model with High Number of Classes},
author = {Syed Ahsan Ali Dilawer and Shah Rukh Humayoun},
journal= {arXiv preprint arXiv:2309.05676},
year = {2023}
}