机器学习的模型训练完成后,需要经过反覆的探索调校,What-If Tool不需撰写任何程式码,就能探索机器学习模型,让非开发人员眼能参与模型调校工作。
What-If Tool显示一组250张面部图片及其检测微笑模型的结果。
Google推出开源TensorBoard网页应用程式的新功能What-If Tool,让使用者在不需要撰写任何程式码的情况下,检测机器学习模型,使用视觉化互动介面,探索模型结果。
建构有效的机器学习系统有很多面向需要注意,除了演算法和效能表现外,资料也是一个良好机器学习应用的根本要素,TensorFlow官方早前释出了TensorFlow资料验证(TensorFlow Data Validation,TFDV)工具,来帮助开发者进行大规模资料分析与验证。而Google也提到,机器学习的模型训练完成后,仍然可能存在许多问题,需要经过反覆的探索调校。
Google认为,一个优秀的开发人员,应该要可以对自己训练出来的机器模型,回答几个问题,像是资料的变化会如何影响模型的预测?机器模型对不同的群体有哪些不同的表现?用来测试模型的资料是否足够多样化?要回答这些问题并不容易,通常探索机器学习模型必须要编写一次性的程式码,来分析特定的模型,但这个过程通常效率很低,而且不会写程式的人也很难参与其中。
为此,Google在开源的TensorBoard网页应用程式中,推出了What-If Tool新功能,可以让使用者在不撰写任何程式码的情况下分析模型,只要给What-If Tool一个TensorFlow模型以及资料集的指标,该工具就能提供互动式视觉化介面,让使用者探索模型结果。What-If Tool包含了丰富的有用功能,除了能使用Facets自动视觉化资料集外,还可以从资料集手动编辑范例以检视影响变化等。
比较微笑检测模型上的两个数据片段的性能,将其分类阈值设置为满足约束“equal opportunity”。
Google提到,What-If Tool有两个强大的使用案例,可以用在反事实(Counterfactual)以及效能和演算法公平性分析。反事实是来侦测「如果-那么」的假设性因果关系,使用者只要在What-If Tool点击一个按钮,就能把资料点和模型预测不同结果的最相似资料点进行比较,这能有效地寻找模型决策边界。而且使用者也可以直接手动编辑资料点,以探索整体模型预测的变化。在效能和演算法公平性分析方面,使用者也可以用What-If Tool探索不同分类阈值对模型的影响,同时考虑不同数值的公平性标准等约束条件。
What-If Tool在Google内部测试的结果,有一个团队发现他们的机器学习模型,错误忽略资料集的整体特征,还有另一个团队则使用What-If Tool的视觉化工具,整理模型最佳与最差的范例类型,发现了导致他们模型表现不佳的原因。
-
谷歌
+关注
关注
27文章
6166浏览量
105332 -
机器学习
+关注
关注
66文章
8411浏览量
132587
原文标题:调模型不用写代码! 谷歌推出无程式码机器学习模型分析工具What-If Tool
文章出处:【微信号:worldofai,微信公众号:worldofai】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
相关推荐
评论