机器学习可视化分析技术综述

Aug, 2020

A Survey of Visual Analytics Techniques for Machine Learning

Jun Yuan, Changjian Chen, Weikai Yang, Mengchen Liu, Jiazhi Xia...

TL;DR通过系统审视 259 篇近 10 年来发表以及 2010 年前的代表性著作，我们构建了一个分类法，其中包括技术建模前、建模过程中以及建模后的三个一级类别；每个类别可以进一步分为具体的分析任务，并列举了一些最近具有影响力的作品。同时，我们还讨论和突出了有挑战和有前景的研究机会，这些对于视觉分析的研究者非常有用。

Abstract

visual analytics for machine learning has recently evolved as one of the most exciting areas in the field of visualization. To better identify which research topics are promising and to learn how to apply relevan

visual analytics machine learning taxonomy analysis tasks research opportunities

发现论文，激发创造

机器学习的视觉分析：数据视角调查

本论文对机器学习模型的数据方面的可视化相关研究进行了系统梳理和分析，提出了五类数据类型和六种数据中心任务，并分析了 143 篇论文的相关分布，展望了未来的研究趋势和方向。

Jul, 2023

机器学习模型分析的改进：可视化分析的视角

本研究论文系统地总结了交互模型分析的三大类任务：理解、诊断和改进，旨在帮助用户高效解决实际的人工智能和数据挖掘问题，同时探讨了相关未来研究机会。

Feb, 2017

将机器学习集成到视觉分析中的最新技术

该研究综述了视觉分析、机器学习和数据可视化之间的进展，以及他们之间的机遇和挑战，为未来的研究方向提供了帮助。

Feb, 2018

深度学习中的可视化分析：对下一步前沿的问询调查

本文综述了可视化分析在深度学习中的角色，并且结合人类中心疑问框架，着重讨论了为什么、谁、什么、如何、何时和何地，从而全面总结了目前的研究现状，同时提出了未来研究的方向和问题。

Jan, 2018

可解释深度学习的可视化分析

本文回顾了与深度学习可解释性和控制相关的视觉分析、信息可视化和机器学习观点，讨论了潜在的挑战和未来研究方向。

Apr, 2018

2023 年机器学习可信度可视化现状再探

可解释和可靠的机器学习的可视化仍然是信息可视化和视觉分析领域中最重要和深入研究的领域之一，涉及医学、金融和生物信息等各种应用领域。本文在我们 2020 年的最新报告基础上，收集了经同行评审的描述可视化技术的文章，根据之前建立的 119 个分类模式对其进行分类，并通过在线调查浏览器提供包含 542 种技术的结果集。在这篇调查文章中，我们介绍了截至 2023 年秋季的数据集新分析的最新发现，并讨论了机器学习中使用可视化的趋势、见解和八个开放挑战。我们的结果证实了过去三年间可视化技术在增加对机器学习模型的信任方面的快速增长趋势，可视化技术被发现有助于改进流行的模型可解释性方法和检查新的深度学习架构，例如。

Mar, 2024

VizML: 一种基于机器学习的可视化建议方法

本研究介绍了一种基于机器学习的数据可视化推荐方法，通过从大量数据集和相关可视化图中训练出网络来预测设计选择，从而降低探索基本可视化的难度.

Aug, 2018

运用视觉分析解释预测机器学习模型

通过视觉分析技术，我们可以在不牺牲预测质量的情况下理解黑盒机器学习模型的推理过程，从而提高模型的可解释性。

Jun, 2016

视觉问答调查：数据集与技术

该文综述了近年来关于视觉问答的各种数据集和模型，分别从数据集和模型两个方面进行了比较和总结，并提出了未来研究的方向。

May, 2017

深度视觉建模中可解释人工智能的调查：方法和度量

本文是可解释人工智能领域的第一篇调查研究，探讨了深度视觉模型解释方法和度量标准，提供了现有技术的分类组织，阐述了不同属性的度量方法，并就当前趋势、挑战和未来方向进行了深入讨论。

Jan, 2023