使用 Slisemap 解释物理数据

流形可视化技术常用于在物理科学中可视化高维数据集。本文中，我们将一种近期引入的称为 Slise 的流形可视化方法应用于来自物理与化学的数据集。Slisemap 将流形可视化与可解释人工智能相结合。可解释人工智能用于研究黑盒机器学习模型与复杂模拟器的决策过程。通过 Slisemap，我们求得一种嵌入，使得具相似局部解释的数据项被归在一起。因此，Slisemap 给我们提供了黑盒模型不同行为的概览。这使 Slisemap 成为一种有监督流形可视化方法，其中嵌入中的模式反映目标属性。本文中我们展示如何对物理数据使用并评估 Slisemap，且 Slisemap 有助于发现训练于这些数据集上的分类与回归模型的有意义信息。