ScaleViz：大数据上的可视化推荐模型扩展
机器学习
2024-12-02 v1 人工智能
机器学习
摘要
自动化可视化推荐（vis-rec）有助于用户从新数据集中提取关键见解。通常，这类自动化 vis-rec 模型首先从数据集中计算大量统计数据，然后使用机器学习模型对多种可视化选择进行评分或分类，以推荐最有效的选项。然而，当前最先进的模型依赖大量昂贵的统计数据，因此在大数据集上使用这些模型因计算时间 prohibitively大而不可行，限制了这些技术仅适用于大多数现实世界复杂和大型数据集。本文提出了一种新型强化学习（RL）框架，该框架接收给定的 vis-rec 模型和时间预算，识别在给定时间预算内最有效的输入统计数据集合，以生成视觉见解。我们在三个大型真实数据集上应用两种最先进的 vis-rec 模型，展示了该技术在显著降低可视化时间方面的有效性，同时引入的误差极小。我们的方法的速度是基准方法的约 10 倍，引入的误差水平相似。
引用
@article{arxiv.2411.18656,
title = {The Return of Pseudosciences in Artificial Intelligence: Have Machine Learning and Deep Learning Forgotten Lessons from Statistics and History?},
author = {Jérémie Sublime},
journal= {arXiv preprint arXiv:2411.18656},
year = {2024}
}