我是h1

 

地址: 深圳湾科技生态园5栋D座1302室
客服电话:
4008400488
邮箱: bd@rainxn.com

墨客星球

友情链接

© 2019 深圳雨本信息技术有限公司 | 粤ICP备17123203号 网站建设:中企动力 深圳

联系我们

最新文章

微信测试订阅号付费功能;百度上榜全球AI五强
微信测试订阅号付费功能;百度上榜全球AI五强
荣耀小米因“​亿级像素”互怼;数据显示,微信到了最危险的时候?
荣耀小米因“​亿级像素”互怼;数据显示,微信到了最危险的时候?
Uber 开源用于调试 AI 模型的可视化工具 Manifold
Uber
苹果承认会扫描iCloud照片;微信确认好友上限已扩容
苹果承认会扫描iCloud照片;微信确认好友上限已扩容
中国为什么需要特斯拉?银保监会将如何禁止炒币?
中国为什么需要特斯拉?银保监会将如何禁止炒币?
詹克团发博反对比特大陆裁员;法国坚持对美公司征3%数字服务税
詹克团发博反对比特大陆裁员;法国坚持对美公司征3%数字服务税

Uber 开源用于调试 AI 模型的可视化工具 Manifold

快讯
2020年1月13日
浏览量
【摘要】:

调试机器学习模型并非易事,Uber 官方博客称“人们通常将 20% 的精力用于建立初始工作模型,而 80% 的精力用于改善模型性能”。为此,他们开发并开源了 Manifold,这是一款用于机器学习的视觉调试工具,可用于诊断并调试机器学习模型中的问题。

​Manifold 能够通过显示性能较好和较差的数据子集之间的特征分布差异来解释模型性能不佳的潜在原因。并且,它可以显示几个候选模型对于每个数据子集具有何种不同的预测精度,从而为诸如模型集成之类的高级处理提供了依据。

第一个开源版本的 Manifold 中添加了各种功能,包括:与模型无关的通用二进制分类和回归模型调试支持。用户将能够分析和比较各种算法类型的模型,从而使他们能够区分各种数据片的性能差异。对表格化要素输入的可视化支持,包括数字,分类和地理空间要素类型。使用每个数据切片的特征值分布信息,用户可以更好地了解某些性能问题的潜在原因,例如,模型的预测损失与其数据点的地理位置和分布之间是否存在任何关联。

与 Jupyter Notebook 集成。通过这种集成,Manifold 接受数据输入作为 Pandas DataFrame 对象,并在 Jupyter 中呈现此数据的可视化。由于 Jupyter Notebook 是数据科学家和ML工程师使用最广泛的数据科学平台之一,因此该集成使用户能够在不中断正常工作流程的情况下分析其模型。基于每个实例的预测损失和其他特征值的交互式数据切片和性能比较。用户将能够基于预测损失、地面真实性或其他感兴趣的特征对数据进行切片和查询。该功能将使用户能够通过通用的数据切片逻辑快速验证或拒绝其假设。

(注:信息来源:开源中国)