online gambling singapore online gambling singapore online slot malaysia online slot malaysia mega888 malaysia slot gacor live casino malaysia online betting malaysia mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 Google釋出無程式碼機器學習模型分析工具What-If Tool

摘要: 機器學習的模型訓練完成後,需要經過反覆的探索調校,What-If Tool不需撰寫任何程式碼,就能探索機器學習模型,讓非開發人員眼能參與模型調校工作。

 


圖名

Google推出開源TensorBoard網頁應用程式的新功能What-If Tool,讓使用者在不需要撰寫任何程式碼的情況下,檢測機器學習模型,使用視覺化互動介面,探索模型結果。

建構有效的機器學習系統有很多面向需要注意,除了演算法和效能表現外,資料也是一個良好機器學習應用的根本要素,TensorFlow官方早前釋出了TensorFlow資料驗證(TensorFlow Data Validation,TFDV)工具,來幫助開發者進行大規模資料分析與驗證。而Google也提到,機器學習的模型訓練完成後,仍然可能存在許多問題,需要經過反覆的探索調校。

Google認為,一個優秀的開發人員,應該要可以對自己訓練出來的機器模型,回答幾個問題,像是資料的變化會如何影響模型的預測?機器模型對不同的群體有哪些不同的表現?用來測試模型的資料是否足夠多樣化?要回答這些問題並不容易,通常探索機器學習模型必須要編寫一次性的程式碼,來分析特定的模型,但這個過程通常效率很低,而且不會寫程式的人也很難參與其中。

為此,Google在開源的TensorBoard網頁應用程式中,推出了What-If Tool新功能,可以讓使用者在不撰寫任何程式碼的情況下分析模型,只要給What-If Tool一個TensorFlow模型以及資料集的指標,該工具就能提供互動式視覺化介面,讓使用者探索模型結果。What-If Tool包含了豐富的有用功能,除了能使用Facets自動視覺化資料集外,還可以從資料集手動編輯範例以檢視影響變化等。

Google提到,What-If Tool有兩個強大的使用案例,可以用在反事實(Counterfactual)以及效能和演算法公平性分析。反事實是來偵測「如果-那麼」的假設性因果關係,使用者只要在What-If Tool點擊一個按鈕,就能把資料點和模型預測不同結果的最相似資料點進行比較,這能有效地尋找模型決策邊界。而且使用者也可以直接手動編輯資料點,以探索整體模型預測的變化。在效能和演算法公平性分析方面,使用者也可以用What-If Tool探索不同分類閾值對模型的影響,同時考慮不同數值的公平性標準等約束條件。

What-If Tool在Google內部測試的結果,有一個團隊發現他們的機器學習模型,錯誤忽略資料集的整體特徵,還有另一個團隊則使用What-If Tool的視覺化工具,整理模型最佳與最差的範例類型,發現了導致他們模型表現不佳的原因。

轉貼自: IThome

 


留下你的回應

以訪客張貼回應

0
  • 找不到回應