预测分数作为窥探分类器行为的窗口
机器学习
2017-11-21 v1 机器学习
摘要
大多数多类分类器通过对各类别打分并选取分数最高者来对测试样本作出预测。分析这些预测分数有助于理解分类器行为并评估其可靠性。我们提出一种交互式可视化方法，便于对这些分数进行逐类分析。我们的系统称为 Classilist，能够将分数与分类正确性以及底层样本及其特征相关联。我们展示了此类分析如何揭示不同分类器的差异化行为。Classilist 可在线使用，相关源代码、视频教程以及用于 R、RapidMiner 和 KNIME 的插件见 https://katehara.github.io/classilist-site/。
引用
@article{arxiv.1711.06795,
title = {Prediction Scores as a Window into Classifier Behavior},
author = {Medha Katehara and Emma Beauxis-Aussalet and Bilal Alsallakh},
journal= {arXiv preprint arXiv:1711.06795},
year = {2017}
}
备注
Presented at NIPS 2017 Symposium on Interpretable Machine Learning