VISUALIZING FEATURE VARIATION EFFECTS ON COMPUTER MODEL PREDICTION

A model visualization system analyzes model behavior to identify clusters of data instances with similar behavior. For a selected feature, data instances are modified to set the selected feature to different values evaluated by a model to determine corresponding model outputs. The feature values and...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: TSATSKIN, VALENTIN, HALL, KYLE WILLIAM, RHO, BARUM, LUO, YAQIAO, LEUNG, KIN KWAN, CHEUNG, DEREK
Format: Patent
Sprache:eng ; fre
Schlagworte:
Online-Zugang:Volltext bestellen
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:A model visualization system analyzes model behavior to identify clusters of data instances with similar behavior. For a selected feature, data instances are modified to set the selected feature to different values evaluated by a model to determine corresponding model outputs. The feature values and outputs may be visualized in an instance-feature variation plot. The instance-feature variation plots for the different data instances may be clustered to identify latent differences in behavior of the model with respect to different data instances when varying the selected feature. The number of clusters for the clustering may be automatically determined, and the clusters may be further explored by identifying another feature which may explain the different behavior of the model for the clusters, or by identifying outlier data instances in the clusters. Un système de visualisation de modèle analyse un comportement de modèle pour identifier des groupes d'instances de données ayant un comportement similaire. Pour une caractéristique sélectionnée, des instances de données sont modifiées pour définir la caractéristique sélectionnée à différentes valeurs évaluées par un modèle pour déterminer des sorties de modèle correspondantes. Les valeurs de caractéristique et les sorties peuvent être visualisées dans un diagramme de variation de caractéristique d'instance. Les diagrammes de variation de caractéristique d'instance pour les différentes instances de données peuvent être regroupés pour identifier des différences latentes dans le comportement du modèle par rapport à différentes instances de données lors de la variation de la caractéristique sélectionnée. Le nombre de groupes pour le regroupement peut être déterminé automatiquement, et les groupes peuvent être encore explorés par identification d'une autre caractéristique qui peut expliquer le comportement différent du modèle pour les groupes, ou par identification d'instances de données aberrantes dans les groupes.