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

要約

説明可能で信頼できる機械学習のための視覚化は、医学、金融、バイオインフォマティクスなどのさまざまなアプリケーション領域での情報視覚化と視覚分析の中で、依然として最も重要で頻繁に研究されている分野の 1 つです。
200 の技術で構成される 2020 年の最先端レポートの後、私たちは視覚化技術を説明する査読済みの論文を継続的に収集し、119 のカテゴリで構成される以前に確立された分類スキーマに基づいてそれらを分類し、その結果得られた 542 の技術のコレクションを
オンライン調査ブラウザ。
この調査記事では、2023 年秋時点でのこのデータセットの新しい分析の最新の結果を紹介し、傾向、洞察、機械学習での視覚化の使用に関する 8 つの未解決の課題について説明します。
私たちの結果は、過去 3 年間で機械学習モデルの信頼性を高めるための視覚化技術のトレンドが急速に成長していることを裏付けており、視覚化は、たとえば、一般的なモデルの説明可能性手法を改善し、新しい深層学習アーキテクチャをチェックするのに役立つことがわかりました。

要約(オリジナル)

Visualization for explainable and trustworthy machine learning remains one of the most important and heavily researched fields within information visualization and visual analytics with various application domains, such as medicine, finance, and bioinformatics. After our 2020 state-of-the-art report comprising 200 techniques, we have persistently collected peer-reviewed articles describing visualization techniques, categorized them based on the previously established categorization schema consisting of 119 categories, and provided the resulting collection of 542 techniques in an online survey browser. In this survey article, we present the updated findings of new analyses of this dataset as of fall 2023 and discuss trends, insights, and eight open challenges for using visualizations in machine learning. Our results corroborate the rapidly growing trend of visualization techniques for increasing trust in machine learning models in the past three years, with visualization found to help improve popular model explainability methods and check new deep learning architectures, for instance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google