이 논문은 ML 모델의 신뢰성 향상을 위한 시각화 기술의 최신 동향을 분석하고 있다.
데이터 측면에서는 컴퓨터 비전, 의료, 비즈니스 등의 분야에서 다양한 데이터가 활용되고 있으며, 특히 다중 클래스 분류 문제가 가장 많이 다루어지고 있다.
ML 모델 측면에서는 비선형 차원 축소 기법과 CNN 등의 딥러닝 모델이 많이 사용되고 있으며, 대부분 지도 학습 문제를 다루고 있다.
시각화 기술 측면에서는 산점도, 막대 그래프, 히스토그램 등의 기본적인 시각화 기법이 많이 활용되고 있으며, 선택, 탐색, 연결 등의 상호작용 기법이 중요하게 다루어지고 있다.
또한 ML 모델의 신뢰성 향상을 위해 데이터의 신뢰성, 모델의 설명 가능성, 모델 성능 등 다양한 측면에서 시각화 기술이 활용되고 있다.
마지막으로 8가지의 주요 과제가 제시되었는데, 대표적으로 XAI 기법 개선, 새로운 NN 모델 및 자기 지도 학습 기법에 대한 시각화 지원, 확증적 분석을 위한 시각화, 입출력 불확실성 정량화, 엄격한 평가 및 벤치마킹 등이 있다.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Angelos Chat... at arxiv.org 03-19-2024
https://arxiv.org/pdf/2403.12005.pdfDeeper Inquiries