Manifold: A Model-Agnostic Framework for Interpretation and Diagnosis of Machine Learning Models
Interpretation and diagnosis of machine learning models have gained renewed interest in recent years with breakthroughs in new approaches. We present Manifold, a framework that utilizes visual analysis techniques to support interpretation, debugging, and comparison of machine learning models in a mo...
Lưu vào:
Tác giả chính: | Zhang, J. |
---|---|
Đồng tác giả: | Wang, Y |
Định dạng: | BB |
Ngôn ngữ: | en_US |
Thông tin xuất bản: |
IEEE Explore
2020
|
Chủ đề: | |
Truy cập trực tuyến: | http://tailieuso.tlu.edu.vn/handle/DHTL/9986 |
Từ khóa: |
Thêm từ khóa bạn đọc
Không có từ khóa, Hãy là người đầu tiên gắn từ khóa cho biểu ghi này!
|
Tài liệu tương tự
-
Comparison
of
prediction
models
for
determining
energy
demand
in
the
residential
sector
of
a
country
Thông tin tác giả:: Soto,Aner Martinez -
Human-in-the-loop machine learning a state of the art
Thông tin tác giả:: Eduardo, Mosqueira-Rey, và những người khác
Thông tin xuất bản: (2023) -
A Gravitational-Double Layer Extreme Learning Machine and its Application in Powerlifting Analysis
Thông tin tác giả:: Chau, V. H.
Thông tin xuất bản: (2021) -
Study of the nonlinear imperfect software debugging model
/Jinyong Wang
a,n
, Zhibo Wu
Thông tin tác giả:: Wang,Jinyong -
Evaluation of Machine Learning Approaches for Android Energy Bugs Detection With Revision Commits
Thông tin tác giả:: Zhu, C.
Thông tin xuất bản: (2020)