VAR：机器学习模型性能鲁棒亚集的可视化分析
机器学习
2025-07-31 v1
摘要
评估在特定条件下紧密匹配的机器学习(ML)模型性能长期是机器学习领域研究者的关注焦点。鲁棒亚集是一组在准确率相似但结构不同方面拥有广泛模型的集合。传统上，这些集合的分析侧重于垂直结构分析，即比较ML模型内部在不同层次上对应的特征。然而，缺乏有效的可视化方法用于水平比较具有特定特征的多个模型。我们提出了VAR可视化解决方案。VAR利用可视化技术对鲁棒亚集中的ML模型进行比较。该方案结合热力图和散点图以促进比较。借助VAR，ML模型开发者能够在特定条件下识别最佳模型，并更好地理解鲁棒亚集的整体特征。
引用
@article{arxiv.2507.22556,
title = {VAR: Visual Analysis for Rashomon Set of Machine Learning Models' Performance},
author = {Yuanzhe Jin},
journal= {arXiv preprint arXiv:2507.22556},
year = {2025}
}