"Машинное обучение"
Meta (Facebook) HiPlot — инструмент для исследования многомерных данных
Один из самых полезных стеков с открытым исходным кодом для определения отношений в многомерных наборах данных.
Недавно я запустил образовательный информационный бюллетень, посвященный ИИ, у которого уже более 100 000 подписчиков. TheSequence — это информационный бюллетень, ориентированный на машинное обучение, без BS (то есть без шумихи, без новостей и т. д.), чтение которого занимает 5 минут. Цель состоит в том, чтобы держать вас в курсе проектов машинного обучения, научных работ и концепций. Пожалуйста, попробуйте, подписавшись ниже:
Изучение многомерных данных — одна из задач приложений глубокого обучения. Более года назад Meta (Facebook) открыла HiPlot, интерактивный инструмент визуализации, который помогает исследователям ИИ обнаруживать корреляции и закономерности в многомерных данных с использованием параллельных графиков и других графических способов представления информации. HiPlot использует технику, известную как параллельные графики, которая является удобным способом визуализации и фильтрации многомерных данных.
С функциональной точки зрения HiPlot дает ряд преимуществ по сравнению с другими инструментами визуализации:
· Интерактивность. В HiPlot параллельные графики интерактивны, что упрощает изменение визуализации для различных вариантов использования. Например, вы можете сосредоточиться на экспериментах, которые берут диапазон или значение по одной или нескольким осям, устанавливают цветовую схему в соответствии с еще одной осью, переупорядочивают или удаляют оси или извлекают определенный набор данных.
· Простота: для использования HiPlots требуется всего несколько строк кода. Через сервер командой «hiplot». Затем вы можете получить к нему доступ через заданный URL-адрес и использовать его для визуализации, управления и обмена вашими экспериментами. .
· Визуализация обучения на основе популяции: HiPlot предоставляет простой способ визуализации экспериментов по обучению на основе популяции в виде графика XY с ребрами между различными точками данных. Этот тип визуализации очень распространен в экспериментах по глубокому обучению.
HiPlot можно использовать как автономный интерфейс командной строки, встроенный в ноутбуки Jupyter или в модели веб-сервера. Текущая версия HiPlot доступна на GitHub и интегрирована во многие фреймворки глубокого обучения.
