理解和可视化机器学习中的数据迭代

视频

DOI

成功的机器学习（ML）应用程序需要在建模和底层数据上进行迭代。虽然先前的ML可视化工具主要关注建模，但我们对23位ML从业者的访谈表明，他们经常通过迭代数据（例如，收集新数据，添加标签）而不是模型来提高模型性能。我们还确定了常见的数据迭代类型及其相关的分析任务和挑战。为了帮助将数据迭代归因于模型性能，我们设计了一系列交互式可视化工具，并将它们集成到一个原型Chameleon中，让用户能够比较不同数据版本的数据特征、训练/测试划分和性能。我们展示了两个案例研究，开发人员将系统应用于自己生产ML项目中的不断发展的数据集。我们的界面帮助他们验证数据收集工作，找到跨越不同数据版本的失败案例，捕捉影响性能的数据处理变化，并识别未来数据迭代的机会。