無需寫代碼!谷歌推出機器學習模型分析神器,代號What-If
銅靈 編譯整理
量子位 出品 | 公眾號 QbitAI
今天,谷歌推出了已開源的TensorFlow可視化工具TensorBoard中一項新功能:What-If Tool,用戶可在不編寫程序代碼的情況下分析機器學習(ML)模型。
不用寫代碼?
沒錯,只需為TensorFlow模型和數據集提供指針,What-If Tool就能給出一個可用來探索模型結果的可交互的視覺界面。
250張人臉和在模型中檢測微笑後的結果
What-If Tool里功能很多,包括自動用Facets將數據集可視化,也有從數據集中手動編輯示例並查看更改效果的功能,還能自動生成部分關係圖,顯示模型預測隨著單個特徵的改變而改變的趨勢。
不過,這還不是What-If Tool的全部實力。
7大功能
What-If Tool主要有七大功能,不知道有沒有你需要的那一款:
功能一:可視化推斷結果
根據推斷結果的不同,你的示例會被分成不同的顏色,之後可用混淆矩陣和其他自定義形式進行處理,從不同特徵的角度顯示推斷結果。
功能二:編輯一個數據點,看模型表現如何
你可以編輯、添加或刪除任何選定數據點的特性或特性值,然後運行推斷來測試模型性能,也可上傳全新示例。
功能三:發掘單個特徵的效果
可以用來探索為選中數據點中的單個特徵自動生成的圖,顯示特徵有效值不同時推斷結果的變化。
功能四:探索反事實示例
輕輕一點,你就能比較數據點與模型預測出不同結果的最相似點。我們將這些點稱為「反事實」(Counterfactuals),可以反映出模型的決策邊界。
功能五:按相似度排列示例
用L1或L2距離從選定的數據點創建距離特性,並將其可視化進行進一步分析。
功能六:查看混淆矩陣和ROC曲線
對於包含描述真實標籤特性的二分類模型和示例,使用閾值、ROC曲線、數值混淆矩陣和成本比互動式地探索模型性能。
功能七:測試演算法公平性限制
對於二分類模型來說,這個工具可以將你的數據集分成子數據集,繼而探索不同演算法公平性約束(fairness constraints)的影響。
傳送門
TAG:量子位 |