深度學(xué)習(xí)模型性能的視覺和交互比較

從文本情感分析到人臉圖像識別，深度學(xué)習(xí)模型已經(jīng)成為許多任務(wù)采用的最新技術(shù)。然而，理解為什么某些模型比其他模型表現(xiàn)得更好，或者一種模型的學(xué)習(xí)如何不同于另一種模型通常很難做到，但是這對于提高模型的有效性、預(yù)測準(zhǔn)確性和實現(xiàn)公平性又至關(guān)重要。比較模型功效的傳統(tǒng)方法，如準(zhǔn)確性、精確性和召回率，可以定量地展示這些模型的性能，但是一種模型為什么比另一種模型表現(xiàn)得更好的定性復(fù)雜性依舊是隱藏看不到的。

Sugeerth Murugesan等人2019年5月在《IEEE Computer Graphics and Applications》發(fā)表文章，研究采訪了機器學(xué)習(xí)從業(yè)者，通過了解他們的評估和比較工作流程，從中迭代設(shè)計了一種視覺分析方法——“深度比較”，系統(tǒng)地比較深度學(xué)習(xí)模型的結(jié)果，以洞察模型行為，并交互地評估2個模型之間的優(yōu)缺點。該工具允許用戶評估模型結(jié)果，識別并比較錯誤分類的激活模式，將測試結(jié)果鏈接回特定的神經(jīng)元。作者通過對2個實際案例研究進(jìn)行初步評估，表明了專家可以依據(jù)此結(jié)果，對不同類型模型的有效性做出更有根據(jù)的判斷，更詳細(xì)地了解模型的優(yōu)缺點，并全面評估模型的行為。