Uber最新开源Manifold，助力机器学习开发者的可视化与调试需求
所有参与投票的 CSDN 用户都参加抽奖活动
群内公布奖项，还有更多福利赠送
作者 | Lezhi Li
译者 | 凯隐
编辑 | Jane
出品 | AI科技大本营（ID：rgznai100）
【导语】2019 年 1 月，Uber 推出了 Manifold，一款与模型无关的机器学习可视化调试工具，可以用来识别 ML 模型中存在的问题。为了让其他 ML 实践者也能从这个工具中获益，近日，Uber 宣布将 Manifold 作为一个开源项目发布。今天，AI科技大本营（ID：rgznai100）就为各位开发者朋友们介绍这一开源工具的新情况。
Manifold简介
Manifold 可帮助工程师和科学家通过 ML 数据片和模型可视化来识别模型性能问题，并通过分析数据子集间的特征分布差异来诊断其根本原因。在 Uber 内部，Manifold 已经成为机器学习平台 Michelangelo 的组成部分，并且已经帮助 Uber 的各个产品团队分析和调试 ML 模型的性能。
此前，Uber 官方博客上重点介绍这个项目后，Uber 不断从社区中收到了许多关于 Manifold 在通用 ML 模型调试场景中潜在能力的反馈，因此在开源 Manifold 的独立版本中，相信它也能通过为 ML 工作流提供可解释性和可调试性这一特性使 ML 社区受益。
开源后第一版中的新特性
在 Manifold 的第一个开源版本中，Uber 官方为其添加了多个新特性，使模型调试比内部迭代更加容易。
版本 1 中的特性有：
1、支持通用的二分类和回归模型调试。用户可以通过分析和对比使用各种不同算法的模型，来辨别不同数据切片带来的性能差异。
2、可视化支持表格特征输入，包括数值，分类，以及地理空间类型特征。利用每个数据切片的特征值分布信息，用户可以更好地了解某些性能问题的潜在原因，例如模型模型的预测损失是否与数据点的地理位置和分布存在相关性。
图1、Manifold新功能，支持对地理空间特征的可视化
3、集成在Jupyter Notebook中。通过集成在 Notebook 中，Manifold 可以接收 Pandas Dataframe 对象作为数据输入，并在 Notebook 内部进行数据可视化。Jupyter Notebook 是数据科学家和 ML 工程师使用最广泛的数据科学平台之一，因此这种集成可以让用户在不影响正常工作流程的情况下用 Manifold 分析他们的模型。
图2、Manifold 集成在 Jupyter Notebook 中，接受 Pandas DataFrame 对象数据为输入，并在 Jupyter Notebook UI 中呈现可视化效果
4、基于单样本预测损失和其他特性值的交互式数据切片和性能比较。用户将能够根据预测损失、标签或其他感兴趣的特征值对数据进行切片和查询。此功能将使用户能够通过灵活的数据切片逻辑快速验证或否定他们的假设。
图3、基于单样本的预测损失和其他特征值的交互式数据切片，让用户能更好的理解ML模型的性能问题
开始使用Manifold
Manifold 的开源版本提供了一个 npm 包版本，对于 Jupyter Notebook 绑定，则提供一个Python 版本。要开始使用，请遵循 github repo 中的文档并在本地安装它，或者查看我们的演示网站。我们鼓励您对 Manifold 进行个人尝试，并期待收到您的反馈！
原文链接：
https://eng.uber.com/manifold-open-source/
（*本文为AI科技大本营编译文章，转载请微信联系1092722531）
◆
精彩推荐
◆
2020年，由 CSDN 主办的「Python开发者日」活动（Python Day）正式启动。我们将与 PyCon 官方授权的 PyCon中国社区合作，联手顶尖企业、行业与技术专家，通过精彩的技术干货内容、有趣多元化的活动等诸多体验，共同为中国 IT 技术开发者搭建专业、开放的技术交流与成长的家园。未来，我们和中国万千开发者一起分享技术、践行技术，铸就中国原创技术力量。
【Python Day——北京站】现已正式启动，「新春早鸟票」火热开抢！2020年，我们还将在全国多个城市举办巡回活动，敬请期待！
活动咨询，可扫描下方二维码加入官方交流群~
CSDN「Python Day」咨询群 ????
来~一起聊聊Python
如果群满100人，无法自动进入，可添加会议小助手微信：婷婷，151 0101 4297（电话同微信）
推荐阅读
170个新项目，579个活跃代码仓库，Facebook开源年度回顾
滴滴章文嵩：一个人的20年开源热情和国内互联网开源运动
掌握 8 种语言、被阿里点赞，这名德国程序员简直开挂了！
为什么 k8s 在阿里能成功？| 问底中国 IT 技术演进
K8s 实践 | 如何解决多租户集群的安全隔离问题？
你点的每个“在看”，我都认真当成了AI
相关文章：
jQuery对象和DOM对象使用说明
1.jQuery对象和DOM对象第一次学习jQuery,经常分辨不清哪些是jQuery对象，哪些是 DOM对象，因此需要重点了解jQuery对象和DOM对象以及它们之间的关系.DOM对象，即是我们用传统的方法(javascript)获得的对象，jQuery对象即是用jQuery类库…
[WPF疑难]避免窗口最大化时遮盖任务栏
[WPF疑难]避免窗口最大化时遮盖任务栏 周银辉 WPF窗口最大化时有个很不好的现象是：如果窗口的WindowStyle被直接或间接地设置为None后（比如很多情况下你会覆盖默认的窗体样式，即不采用Windows默认的边框和最大化最等按钮，来打造个…
Google Mock(Gmock)简单使用和源码分析——简单使用
初识Gmock是之前分析GTest源码时，它的源码和GTest源码在同一个代码仓库中（https://github.com/google/googletest）。本文我将以目前最新的Gmock1.7版本为范例，分析其实现原理。（转载请指明出于breaksoftware的csdn博客…
浪潮刘军：为什么说计算力是AI时代“免费的午餐”？
出品 | AI科技大本营（ID:rgznai100）产业AI、元脑生态是浪潮集团2019年度的两大关键词。作为一家以计算力为核心生产力的企业，浪潮还一直强调人工智能计算是未来最重要的计算力，而无论产业AI、元脑生态都构筑于计算的基础设施之上。…
Journey源码分析四：url路由
2019独角兽企业重金招聘Python工程师标准>>> 在入口函数main()的default分支中，对路由进行了注册，现在分析下。 ##main()中路由注册相关代码 源码: httpRouter : httptreemux.New() // Blog and pages as http server.InitializeBlog(httpRou…
“天河二号”总工程师杜云飞谈星光超算应用平台设计
整理 | 夕颜出品 | AI科技大本营（ID:rgznai100）【导读】12 月 21-22 日，OpenI/O 启智开发者大会在深圳召开。在大会上， 国家超级计算广州中心总工程师、“天河二号”总工程师杜云飞发表了题为《星光超算应用平台》的主题报告&…
Google Mock(Gmock)简单使用和源码分析——源码分析
源码分析 通过《Google Mock(Gmock)简单使用和源码分析——简单使用》中的例子，我们发现被mock的相关方法在mock类中已经被重新实现了，否则它们也不会按照我们的期待的行为执行。我们通过阅读源码，来分析整个过程的实现逻辑。（转载…
远程控制软件VNC教程和对内网机器控制的实现
网络遥控技术是指由一部计算机（主控端）去控制另一部计算机（被控端），而且当主控端在控制端时，就如同用户亲自坐在被控端前操作一样，可以执行被控端的应用程序，及使用被控端的系统资源…
GRUB2相关概念
GNU GRUB，简称“GRUB”，是一个来自GNU项目的启动引导程序。GRUB是多启动规范的实现，它允许用户可以在计算机内同时拥有多个操作系统，并在计算机启动时选择希望运行的操作系统。GRUB可用于选择操作系统分区上的不同内核，…
朴素、Select、Poll和Epoll网络编程模型实现和分析——朴素模型
做Linux网络开发，一般绕不开标题中几种网络编程模型。网上已有很多写的不错的分析文章，它们的基本论点是差不多的。但是我觉得他们讲的还不够详细，在一些关键论点上缺乏数据支持。所以我决定好好研究这几个模型。（转载请指明出于b…
支付宝账单出来后，除了总消费，你看到你的学习支出了吗？
当支付宝的2019年年度账单出来的时候很多人的第一反应就是我怎么花了这么多钱不少人都有这样的困惑忙忙碌碌一年到头，到底得到了什么？而这一切又和自己最开始的规划一样吗？其实从账单上可以看出你在2019年花费了哪些大头居家生活、穿衣打扮还…
体验Windows 7的Superbar
随着PDC 2008上Windows 7 M3 6801的发布，这个微软的下一代操作系统也渐渐浮出了水面。对于我们这些普通的PC用户而言，Windows 7相对于Windows Vista最显而易见的改变，无疑就是著名的Superbar任务栏了。说起它相比于原来的任务栏变化ÿ…
Linux 安装图形界面及远程连接
#可查询哪些组件是否已经安装(可用来对照组件名称） yum grouplistyum groupinstall X Window System -y #安装GNOME桌面环境 yum groupinstall GNOME Desktop Environment -y #安装KDE桌面环境 yum groupinstall KDE (K Desktop Environment)卸载 卸载GNOME桌面环境…
朴素、Select、Poll和Epoll网络编程模型实现和分析——Select模型
在《朴素、Select、Poll和Epoll网络编程模型实现和分析——朴素模型》中我们分析了朴素模型的一个缺陷——一次只能处理一个连接。本文介绍的Select模型则可以解决这个问题。（转载请指明出于breaksoftware的csdn博客） 和朴素模型一样，我们首先…
微软开源NAS算法Petridish，提高神经网络迁移能力
作者 | Jesus Rodriguez译者 | Rachel编辑 | 夕颜出品 | AI科技大本营（ID：rgznai100） 【导读】神经架构搜索（Neural architecture search, NAS）是深度学习中最热门的趋势之一。NAS方法针对特定问题和数据…
[转]g++ 编译多个相关文件
三个文件，一个头文件，两个程序文件 /*d.h */#include <iostream>usingnamespacestd; classDataset { public: intgetdata(); }; /*d.cpp */#include "d.h"intDataset::getdata() { return1231; } /*out.cpp */#include <ios…
POJ--2391--Ombrophobic Bovines【分割点+Floyd+Dinic优化+二分法答案】最大网络流量
联系：http://poj.org/problem?id2391 题意：有f个草场，每一个草场当前有一定数目的牛在吃草，下雨时它能够让一定数量的牛在这里避雨，f个草场间有m条路连接，每头牛通过一条路从一点到还有一点有一定的时间花…
25年了，我总结出这些信息提取的经验教训
作者 | Ehud Reiter译者 | 夕颜出品 | AI科技大本营（ID:rgznai100）【导读】近日，本文作者阿伯丁大学计算科学系教授 Ehud Reiter 及其带领的阅读小组读了一篇让他们印象深刻的论文——由 Ralph Grishman 发表的《信息提取 25 年》（…
朴素、Select、Poll和Epoll网络编程模型实现和分析——Poll模型
在《朴素、Select、Poll和Epoll网络编程模型实现和分析——Select模型》中，我们分析了它只能支持1024个连接同时处理的原因。但是在有些需要同时处理更多连接的情况下，1024个连接往往是不够的，也就是不能够高并发。那么这个时候我们就可以采用…
flashcom中远程共享对象SharedObject的用法
觉得这篇文章比较好，转载回来。学习fcs也有差不多一个月了,感觉最有特色的东西还是SharedObject.SharedObject有不少东西,本地操作就不说了(相信很多人没接触fcs也用过);就说说远程共享对象吧.基本的应用流程是:my_nc new NetConnection(); my_nc.connect("rt…
Hive-1.2.0学习笔记（一）安装配置
鲁春利的工作笔记，好记性不如烂笔头下载hive：http://hive.apache.org/index.htmlHive是基于Hadoop的一个数据仓库工具，提供了SQL查询功能，能够将SQL语句解析成MapReduce任务对存储在HDFS上的数据进行处理。MySQ安装Hive有三种运行…
邮件安全隐患及其防范技术研究
邮件安全隐患及其防范技术研究<?xml:namespace prefix o ns "urn:schemas-microsoft-com:office:office" />陈小兵【antian365.com】摘要电子邮件是Internet上使用最为频繁和广泛的服务，在给人们带来便利的同时，亦带来令人担忧的邮件…
必看！52篇深度强化学习收录论文汇总 | AAAI 2020
所有参与投票的 CSDN 用户都参加抽奖活动群内公布奖项，还有更多福利赠送来源 | 深度强化学习实验室（ID:Deep-RL）作者 | DeepRLAAAI 2020 共收到的有效论文投稿超过 8800 篇，其中 7737 篇论文进入评审环节，最终收录数量…
朴素、Select、Poll和Epoll网络编程模型实现和分析——Epoll模型
在阅读完《朴素、Select、Poll和Epoll网络编程模型实现和分析——Select模型》和《朴素、Select、Poll和Epoll网络编程模型实现和分析——Poll模型》两篇文章后，我们发现一个问题，不管select函数还是poll函数都不够智能，它们只能告诉我们成功…
Scala 深入浅出实战经典 第88讲：Scala中使用For表达式实现map、flatMap、filter
高级函数 map,flatMap,filter用for循环的实现。package com.dt.scala.forexpressionobject For_Advanced {def main(args: Array[String]) {}def map[A, B](list: List[A], f: A > B): List[B] for(element <- list) yield f(element)def flatMap[A, B](list: List[A], f…
抛弃Python，我们为什么用Go编写机器学习架构？
所有参与投票的 CSDN 用户都参加抽奖活动群内公布奖项，还有更多福利赠送作者 | Caleb Kaiser译者 | 弯月，编辑 | 郭芮来源 | CSDN（ID：CSDNnews）如今，众所周知Python是机器学习项目中最流行的语言。尽管R、C…
朴素、Select、Poll和Epoll网络编程模型实现和分析——模型比较
经过之前四篇博文的介绍，可以大致清楚各种模型的编程步骤。现在我们来回顾下各种模型（转载请指明出于breaksoftware的csdn博客） 模型编程步骤对比《朴素、Select、Poll和Epoll网络编程模型实现和分析——朴素模型》中介绍的是最基本的网络编程…
使用VM虚拟机的一点小技巧
今天想为朋友弄一个虚拟机系统文件，这样就可以直接拷贝过去，直接让他用了。哪成想电脑里的系统镜像文件不能用，也不知道是不是VM不支持，反正怎么着也引导不起来了。无奈只好用硬件光驱来装虚拟系统，把2003系统盘装入光…
翻译：AKKA笔记 - Actor消息 -1（二）
消息 我们只是让QuoteRequest到ActorRef去但是我们根本没见过消息类！ 它是这样的：（一个最佳实践是把你的消息类包装在一个完整的对象里以利于更好的组织） TeacherProtocol package me.rerun.akkanotes.messaging.protocolsobject …
远程安装oracle 10.2.1 for redhat 5.0 2.6.18-53.el5xen
远程安装oracle <?xml:namespace prefix st1 ns "urn:schemas-microsoft-com:office:smarttags" />10.2.1 for redhat 5.0 2.6.18-53.el5xen<?xml:namespace prefix o ns "urn:schemas-microsoft-com:office:office" />今天有个朋友打电…