help研究问题机器学习模型可视分析
在噪声、聚类或非正态分布的数据情境中，数据驱动的标记方向比传统拟合线更有效吗？可视化、分析与数据理解 / 机器学习模型可视分析
在噪声、聚类或非正态分布的数据情境中，数据驱动的标记方向比传统拟合线更有效吗？
同类问题
相关论文
IUI 2025
分析探索性视觉分析中用户数据焦点的转变
Sanad Saha, Nischal Aryal, Leilani Battle
CHI 2025
ZuantuSet：一套历史中文可视化和插图集
Xiyao Mei, Yu Zhang, Chaofan Yang
CHI 2025
透过重叠看世界：颜色和不透明度对可视化中深度顺序感知的影响
Zhiyuan Meng, Yunpeng Yang, Qiong Zeng
CHI 2025
Divisi：可扩展探索性子组分析的交互搜索和可视化
Venkatesh Sivaraman, Zexuan Li, Adam Perer
CHI 2025
揭开高维幕后：一项关于可靠可视分析的降维调查
Hyeon Jeon, Hyunwook Lee, Yun-Hsin Kuo
CHI 2025
揭示散点图特征如何扭曲视觉分类分离
S. Sandra Bae, Takanori Fujiwara, Chin Tseng
CHI 2025
Plume：在仪表板中搭建文本组成结构
Maxim Lisnic, Vidya Setlur, Nicole Sultanum
IUI 2024
理解人在循环中三维语义分割任务的初学者标注过程
Yujin Kim, Eunyeoul Lee, Yunjung Lee
CHI 2024
认真对待ASCII绘图：程序员如何绘制代码图
Devamardeep Hayatpur, Brian Hempel, Kathy Chen
CHI 2024
DeepSee: 海底生态系统的多维可视化
Adam J Coscia, Haley M Sapers, Noah X. Deutsch
CHI 2024
可视化解释的人类信息处理理论：展示其效用
Peter Cheng, Grecia Garcia Garcia, Daniel Raggi
UIST 2023
Odyssey：面向专家驱动的浮点表达式重写的交互式工作台
Edward Misback, Caleb C. Chan, Brett Saiki