arXiv · AI· Bruno Iochins Grisci, Mario Inostroza-Ponta, M\'arcio Dorn·· 6 小时前AI 评分25
提出加权 t-SNE 方法以可视化并评估高维数据集的特征评分结果
Assessing feature scorer results on high-dimensional datasets with t-SNE
AI 导读
研究提出加权 t-SNE 方法，通过修改嵌入空间中数据点关系来反映特征评分器赋予的特征重要性，并提议使用轮廓系数对结果进行数值评估。 实验在合成和真实表格数据上测试了包括互信息和神经网络在内的 9 种特征评分器，展示了加权 t-SNE 在比较评分器、选择最优方法以及增强机器学习模型可解释性方面的应用。 加权 t-SNE 能够直观呈现特征重要性及模型对数据的组织方式，从而提升机器学习模型的可解释性。
来源：arXiv · AI · arxiv.org