无需写代码!谷歌推出机器学习模型分析神器,代号What-If

原标题:无需写代码!谷歌(谷歌)生产机器学习模型解析神器,代号What-If

原题目:测试机器学习模型不用写代码!谷歌“what-if”工具轻松搞定

铜灵 编译整理

图片 1

今日,谷歌(谷歌)生产了已开源的TensorFlow可视化工具TensorBoard中一项新成效:What-If
Tool,用户可在不编写程序代码的情状下分析机器学习(ML)模型。

倒计时**8**天

不用写代码?

新智元将于九月20日在新加坡国家会议要旨开设AI WORLD
2018世界人工智能峰会,MIT物理助教、将来生命研讨所创办人、《生命3.0》作者马克斯Tegmark,将发布解说《我们如何行使AI,而不是被其压制》,研究怎么样面对AI军事化和杀人武器的产出,欢迎到实地沟通!

是的,只需为TensorFlow模型和数据集提供指针,What-If
Tool就能交到一个可用来商讨模型结果的可相互的视觉界面。

图片 2

来源:Google AI

250张人脸和在模型中检测微笑后的结果

编辑:大明

What-If
Tool里作用很多,包涵活动用Facets将数据集可视化,也有从数据汇总手动编辑示例并查看更改效果的成效,还可以自动生成部分关系图,显示模型预测随着单个特征的变动而改变的趋势。

【新智元导读】谷歌(Google) AI推出“what-if
”工具,用户完全不必要编制代码就能分析机器学习模型。该工具提供交互式可视化界面,用户可以探索并比较模型结果,可以急速地窥见模型中的错误。

唯独,那还不是What-If Tool的凡事实力。

打造飞快的机械学习序列,须要提议并解决许多题材。仅仅操练模型然后就放着不管是遥远不够的。出色的机器学习从业者要像侦探一样,时刻放在心上探索怎样更好地通晓打造的模子:数据点的生成将对模型的估算结果导致哪些影响?同一个模子对两样的群落会有啥差距的突显?用来测试模型的数据集的各个化程度怎样等等。

7大功能

要应对那么些标题并不不难。要回应那几个“借使”难题,平常要编写自定义的三遍性代码来分析特定模型。那个进度不仅成效低下,与此同时除了程序员,其旁人很难参加革新机器学习模型的经过。

What-If Tool主要有七大作用,不晓得有没有你须要的那一款:

谷歌 AI
PAIR布署的一个主要就是让更广泛的人流可以更利于地对机械学习系统举行检讨、评估和调试。

功用一:可视化估计结果

前天,大家正式颁发What-If工具,该工具是开源的TensorBoard
Web应用程序的一项新成效,它同意用户在不编写代码的景观下分析机器学习模型。
What-If工具给出了TensorFlow模型和数据集的指针,提供了一个交互式可视化界面,用于探索模型结果。

按照揣测结果的不比,你的以身作则会被分为不同的水彩,之后可用混淆矩阵和任何自定义方式进行处理,从不同特点的角度显示臆度结果。

图片 3

图片 4

What-If工具展现一组250张面部图片及其检测微笑模型的结果

职能二:编辑一个数据点,看模型表现怎样

What-If工具作用强大,可以运用Facets自动突显数据集,从数额集手动编辑示例并查看更改的意义,仍是可以自动生成部分尊崇图(partial
dependence
plots),彰显模型的前瞻结果随任何单个功效的改变而变化的情状。

你可以编写、添加或删除任何选定数据点的表征或特色值,然后运行估量来测试模型品质,也可上传全新示例。

图片 5

图片 6

探索数据点上的What-if情景

职能三:发掘单个特征的效益

上边详细介绍What-If工具的多个职能。

能够用来切磋为当选数据点中的单个特征自动生成的图,显示特征使得值不一样时推断结果的变通。

只需一键,自动相比较数据点与模型预测最相似点

图片 7

用户只需单击一个按钮,就足以将数据点与模型预测不一样结果的最相似点进行比较。大家称那些点为“Counterfactuals”,可以来得出预测模型的裁定边界。用户也能够手动编辑数据点,并探索模型预测的变通。

效果四:探索反事实示例

在上面的截图中,该工具用于二进制分类模型,该模型依照美利坚合众国人口普查数据集的集体人口普查数据,预测一个人的年收入是不是超过5万美金。那是机器学习切磋人口运用的规则预测义务,越发是在条分缕析算法的公平性时。

高度一点,你就能相比数据点与模型预测出分裂结果的最相似点。大家将这一个点称为“反事实”(Counterfactuals),可以体现出模型的核定边界。

在那种情况下,对于选定的数据点,模型预测该人年收入当先5万欧元的信度为73%。该工具自动定位数据集中最相似的人,模型预测其年收入低于5万卢比,然后将选定数据点和与之最相似、但臆想结果反倒的数据点进行并排相比较。如下图所示,二者惟有在年龄和职业上存在微小的反差,但模型的推断结果已经完全相反了。

图片 8

图片 9

发表评论

电子邮件地址不会被公开。 必填项已用*标注