DEMAU: Decompose, Explore, Model and Analyse Uncertainties

要約

機械学習の最近の研究により、モデルの不確実性の定量化と分解に関する文献が盛んに作成されています。
この情報は、アクティブ ラーニングや適応学習などの学習者との対話中、特に不確実性サンプリングにおいて非常に役立ちます。
これらの総合的、認識的 (還元可能) および偶然的 (還元不可能) な不確実性を簡単に表現できるようにするために、機械学習の分類モデルのいくつかのタイプの不確実性を視覚化および調査できるオープンソースの教育的、探索的、分析ツールである DEMAU を提供します。

要約(オリジナル)

Recent research in machine learning has given rise to a flourishing literature on the quantification and decomposition of model uncertainty. This information can be very useful during interactions with the learner, such as in active learning or adaptive learning, and especially in uncertainty sampling. To allow a simple representation of these total, epistemic (reducible) and aleatoric (irreducible) uncertainties, we offer DEMAU, an open-source educational, exploratory and analytical tool allowing to visualize and explore several types of uncertainty for classification models in machine learning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google