TimberTrek：利用交互式可视化探索与筛选稀疏决策树
人机交互
2023-03-02 v1 人工智能
机器学习
摘要
给定数千个同样准确的机器学习（ML）模型，用户该如何从中选择？近期的一种ML技术使领域专家和数据科学家能够为稀疏决策树生成完整的Rashomon集——一个由近乎最优的可解释ML模型组成的庞大集合。为帮助ML从业者从该Rashomon集中识别出具有期望性质的模型，我们开发了TimberTrek，这是首个大规模概括数千棵稀疏决策树的交互式可视化系统。两个使用场景凸显了TimberTrek如何帮助用户轻松探索、比较并筛选出符合其领域知识与价值观的模型。我们的开源工具直接在用户的计算笔记本和网页浏览器中运行，降低了创建更负责任的ML模型的门槛。TimberTrek可在以下公开演示链接获取：https://poloclub.github.io/timbertrek。
引用
@article{arxiv.2209.09227,
title = {TimberTrek: Exploring and Curating Sparse Decision Trees with Interactive Visualization},
author = {Zijie J. Wang and Chudi Zhong and Rui Xin and Takuya Takagi and Zhi Chen and Duen Horng Chau and Cynthia Rudin and Margo Seltzer},
journal= {arXiv preprint arXiv:2209.09227},
year = {2023}
}
备注
Accepted at IEEE VIS 2022. 5 pages, 6 figures. For a demo video, see https://youtu.be/3eGqTmsStJM. For a live demo, visit https://poloclub.github.io/timbertrek