Uber开放源代码“ Manifold”：用于机器学习的可视化调试工具

Uber最近为其机器学习模型开放了其与模型无关的可视调试工具“ Manifold”。该工具的目的是帮助数据科学家和数据工程师以直观的方式识别数据集和模型之间的性能问题。

机器学习应用程序与常规软件应用程序的不同之处在于，随着模型建立更多的知识，它们的结构不断变化和发展。因此，调试和解释机器学习模型已成为现实世界AI解决方案中最具挑战性的角色之一。使用歧管可以轻松识别ML数据切片和模型中的性能问题。

版本1发行版中的功能

• 与模型无关的通用二进制分类和回归模型调试支持。
• 对表格化要素输入的可视化支持，包括数字，分类和地理空间要素类型。
• 与Jupyter Notebook集成。
• 基于每个实例的预测损失和其他特征值的交互式数据切片和性能比较。

GitHub：

https://github.com/uber/manifold

论文（2018）：

https://arxiv.org/pdf/1808.00196.pdf

演示网站：

http://manifold.mlvis.io/