2023 年机器学习可信度可视化现状再探

Mar, 2024

2023 年机器学习可信度可视化现状再探

Visualization for Trust in Machine Learning Revisited: The State of the Field in 2023

Angelos Chatzimparmpas, Kostiantyn Kucher, Andreas Kerren

TL;DR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。

Abstract

visualization for explainable and trustworthy machine learning remains one of the most important and heavily researched fields within information

visualization explainable machine learning trustworthy machine learning information visualization visual analytics

发现论文，激发创造

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

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

机器学习可视化分析技术综述

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。

Aug, 2020

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

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

面向可解释的人工智能

本文介绍了机器学习和深度学习算法在科学和工业领域中的应用及其不透明性问题，提出了解释性学习算法和可视化方法的重要性。

Sep, 2019

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。