В наш век глобальной информатизации количество данных резко возросло, равно как и их сложность. Как эффективно работать с многомерными данными и находить скрытые корреляции и закономерности - это серьезная проблема. В последние годы визуализация и визуальный анализ были применены к этой задаче с некоторыми положительными результатами. Новый HiPlot от Facebook - это легкий интерактивный инструмент визуализации, который идет дальше, используя параллельные графики для обнаружения корреляций и закономерностей в таких многомерных данных.
HiPlot превосходит другие существующие инструменты визуализации с точки зрения интерактивности, простоты и расширяемости. Есть ряд причин для этого. Во-первых, HiPlot использует интерактивные параллельные графики (полезный способ визуализировать и фильтровать многомерные данные) и другие графические методы для более четкого представления информации. Параллельные графики являются интерактивными, и можно легко изменить стиль визуализации данных по усмотрению пользователя, построив график по одной или нескольким осям в различных диапазонах значений или используя разные цвета. Во-вторых, HiPlot можно использовать напрямую через записную книжку IPython, где простой синтаксис позволяет пользователям одновременно просматривать несколько экспериментов. В-третьих, несовместимость форматов журналов различных систем может затруднить анализ данных, но HiPlot совместим с журналами из открытых ИИ-библиотек Facebook, чтобы помочь исследователям лучше выполнять гиперпараметрический поиск. Веб-сервер HiPlot может читать файлы CSV или JSON по умолчанию, и пользователи также могут предоставить свои собственные парсеры Python для преобразования своих экспериментов в эксперименты HiPlot.
Например, в случае визуализации обучения на основе популяции, поскольку задача обучения для существующих методов настройки гиперпараметров может быть несколько раз разветвлена с разными гиперпараметрами, такие эксперименты сложно анализировать, и они могут содержать трудно обнаруживаемые ошибки. . Однако HiPlot может отображать границы между связанными точками данных, что упрощает и упрощает визуализацию таких экспериментов.
Facebook HiPlot может помочь смягчить проблемы, связанные с увеличением сложности модели, за счет эффективного анализа настройки гиперпараметров глубоких нейронных сетей. Facebook AI надеется, что другие исследователи будут использовать HiPlot для более тщательного изучения данных своих экспериментов и создания основы для более продуктивных методов обучения в будущем.
Для получения дополнительной информации о HiPlot посетите страницу проекта. Инструмент HiPlot можно скачать с GitHub.
Автор: Херин Чжао | Редактор: Майкл Саразен
Думаете о том, чтобы внести свой вклад в синхронизированную проверку? Поделиться моими исследованиями приглашает ученых поделиться своими научными открытиями с глобальными энтузиастами ИИ.
Мы знаем, что вы не хотите пропустить ни одной истории. Подпишитесь на наш популярный Synced Global AI Weekly , чтобы получать еженедельные обновления AI.
Нужен всесторонний обзор прошлого, настоящего и будущего современных исследований в области искусственного интеллекта? Отчет Тенденции развития технологий искусственного интеллекта вышел!
Вышел Отчет об адаптивности AI для публичной компании Fortune Global 500 за 2018 год!
Приобретите отчет в формате Kindle на Amazon.
Подайте заявку на участие в Партнерской программе Insight, чтобы получить бесплатный полный отчет в формате PDF.
