The world’s corpora of data grow in

The world’s corpora of data grow in size and complexity every day,
making it increasingly difficult for experts to make sense out of
their data. Although machine learning offers algorithms for finding
patterns in data automatically, they often require algorithm-specific
parameters, such as an appropriate distance function, which are outside
the purview of a domain expert. We present a system that allows
an expert to interact directly with a visual representation of the
data to define an appropriate distance function, thus avoiding direct
manipulation of obtuse model parameters. Adopting an iterative
approach, our system first assumes a uniformly weighted Euclidean
distance function and projects the data into a two-dimensional scatterplot
view. The user can then move incorrectly-positioned data
points to locations that reflect his or her understanding of the similarity
of those data points relative to the other data points. Based
on this input, the system performs an optimization to learn a new
distance function and then re-projects the data to redraw the scatterplot.
We illustrate empirically that with only a few iterations of interaction
and optimization, a user can achieve a scatterplot view and
its corresponding distance function that reflect the user’s knowledge
of the data. In addition, we evaluate our system to assess scalability
in data size and data dimension, and show that our system is computationally
efficient and can provide an interactive or near-interactive
user experience.

ผลลัพธ์ (ไทย) 1:

โลกของ corpora ข้อมูลเติบโตในขนาดและความซับซ้อนทุกวันทำให้มันยากขึ้นสำหรับผู้เชี่ยวชาญการทำความเข้าใจของข้อมูลของพวกเขา แม้ว่าการเรียนรู้ของเครื่องให้บริการสำหรับค้นหารูปแบบข้อมูลโดยอัตโนมัติ พวกเขามักจะต้องใช้อัลกอริทึมเฉพาะพารามิเตอร์ เช่นเป็นระยะที่เหมาะสมทำงาน ที่อยู่นอกpurview ของผู้เชี่ยวชาญการโดเมน เรานำเสนอระบบที่ช่วยให้ผู้เชี่ยวชาญติดต่อโดยตรงกับภาพข้อมูลเพื่อกำหนดฟังก์ชันระยะทางที่เหมาะสม จึง หลีกเลี่ยงโดยตรงจัดการพารามิเตอร์แบบ obtuse ใช้การซ้ำวิธี ระบบของเราก่อนถือว่าน้ำหนักสม่ำเสมอเมื่อเทียบเคียง Euclideanโครงการข้อมูลเป็น scatterplot สองและฟังก์ชันระยะทางดู ผู้ใช้สามารถย้ายข้อมูลตำแหน่งไม่ถูกต้องแล้วจุดตำแหน่งที่สะท้อนให้เห็นถึงความคล้ายคลึงของเขา หรือเธอเข้าใจของจุดข้อมูลที่สัมพันธ์กับจุดข้อมูลอื่น ๆ ตามในการป้อนข้อมูลนี้ ระบบทำการเพิ่มประสิทธิภาพการเรียนรู้ใหม่ฟังก์ชันระยะทาง แล้วโครงการข้อมูลการ scatterplot ออกใหม่อีกเราแสดง empirically ที่ มีโต้ตอบเพียงไม่กี่ซ้ำและประสิทธิภาพสูง สุด ผู้ใช้สามารถใช้มุมมอง scatterplot และทำหน้าที่สอดคล้องระยะที่สะท้อนความรู้ของผู้ใช้ของข้อมูล นอกจากนี้ เราประเมินระบบเพื่อประเมินขนาดของเราข้อมูลขนาด และมิติของข้อมูล และดูที่ระบบของเราเป็น computationallyมีประสิทธิภาพ และให้สามารถโต้ตอบ หรือใกล้แบบโต้ตอบประสบการณ์ผู้ใช้

ผลลัพธ์ (ไทย) 2:

คลังของโลกของข้อมูลเติบโตในขนาดและความซับซ้อนทุกวันทำให้มันเป็นเรื่องยากมากขึ้นสำหรับผู้เชี่ยวชาญที่จะให้ความรู้สึกที่ออกมาจากข้อมูลของพวกเขา แม้ว่าการเรียนรู้เครื่องมีขั้นตอนวิธีการในการหารูปแบบในข้อมูลโดยอัตโนมัติพวกเขามักจะต้องมีขั้นตอนวิธีการเฉพาะพารามิเตอร์เช่นฟังก์ชั่นระยะที่เหมาะสมซึ่งอยู่นอกขอบเขตของผู้เชี่ยวชาญโดเมน เรานำเสนอระบบที่ช่วยให้ผู้เชี่ยวชาญในการติดต่อโดยตรงกับการแสดงออกของข้อมูลในการกำหนดฟังก์ชั่นระยะทางที่เหมาะสมจึงหลีกเลี่ยงโดยตรงการจัดการของพารามิเตอร์แบบทู่ การนำซ้ำวิธีการระบบของเราครั้งแรกถือว่ายุคลิดน้ำหนักสม่ำเสมอฟังก์ชั่นและโครงการระยะข้อมูลในscatterplot สองมิติมุมมอง จากนั้นผู้ใช้สามารถย้ายตำแหน่งไม่ถูกต้องข้อมูลที่ชี้ไปยังสถานที่ที่สะท้อนให้เห็นถึงความเข้าใจของเขาหรือเธอของความคล้ายคลึงกันของจุดข้อมูลเหล่านั้นเมื่อเทียบกับจุดข้อมูลอื่นๆ ขึ้นอยู่กับการป้อนข้อมูลนี้ระบบจะดำเนินการเพิ่มประสิทธิภาพในการเรียนรู้ใหม่ฟังก์ชั่นระยะทางและจากนั้นอีกครั้งข้อมูลโครงการที่จะวาดscatterplot ได้. เราแสดงให้เห็นถึงสังเกตุว่ามีเพียงการทำซ้ำบางส่วนของการทำงานร่วมกันและการเพิ่มประสิทธิภาพให้ผู้ใช้สามารถบรรลุมุมมอง scatterplot และ ฟังก์ชั่นระยะที่สอดคล้องกันสะท้อนให้เห็นถึงความรู้ของผู้ใช้ข้อมูล นอกจากนี้เราประเมินระบบของเราในการประเมินความสามารถในการขยายขนาดของข้อมูลและมิติข้อมูลและแสดงให้เห็นว่าระบบของเราเป็นคอมพิวเตอร์ที่มีประสิทธิภาพและสามารถให้การโต้ตอบหรือใกล้โต้ตอบประสบการณ์การใช้งาน

ผลลัพธ์ (ไทย) 3:

คลังข้อมูลของโลกของข้อมูลที่เติบโตในขนาดและความซับซ้อนทุกวัน
ทำให้ยากขึ้นสำหรับผู้เชี่ยวชาญที่จะทำให้ความรู้สึกออกมาจาก
ข้อมูลของพวกเขา แม้ว่าการเรียนรู้เครื่องเสนอขั้นตอนวิธีหา
รูปแบบในข้อมูลโดยอัตโนมัติ พวกเขามักจะต้องใช้อัลกอริทึมพารามิเตอร์เฉพาะ
, เช่นฟังก์ชันที่เหมาะสมระยะทาง ซึ่งอยู่นอก
ขอบเขตของผู้เชี่ยวชาญโดเมนเป็นระบบที่ช่วยให้เราได้นำเสนอ
ผู้เชี่ยวชาญเพื่อโต้ตอบโดยตรงกับการแสดงภาพของ
ข้อมูลเพื่อกำหนดฟังก์ชันระยะทางที่เหมาะสมเพื่อหลีกเลี่ยงการจัดการโดยตรง
พารามิเตอร์แบบป้าน . การใช้แนวทางซ้ำ
, ระบบของเราครั้งแรกถือว่าเป็นจุดใช้ระยะทางฟังก์ชันถ่วงน้ำหนัก
และโครงการข้อมูลในมุมมอง scatterplot
2 มิติจากนั้นผู้ใช้สามารถย้ายข้อมูลไม่ถูกต้องวางจุดที่สะท้อนให้เห็นถึงความเข้าใจ
สถานที่ของเขาหรือเธอของความเหมือน
ข้อมูลเหล่านั้นจุดเมื่อเทียบกับจุดอื่น ๆของข้อมูล โดย
ที่ใส่นี้ ระบบมีประสิทธิภาพการเพิ่มประสิทธิภาพเพื่อเรียนรู้ฟังก์ชันระยะทางใหม่
แล้วเป็นโครงการข้อมูลที่จะวาดใน scatterplot .
เราให้สังเกตุว่ามีเพียงไม่กี่รอบของการปฏิสัมพันธ์
และเพิ่มประสิทธิภาพ ผู้ใช้สามารถบรรลุมุมมองที่สอดคล้องกันและ
scatterplot ระยะทางฟังก์ชันที่สะท้อนให้เห็นถึงความรู้
ของผู้ใช้ข้อมูล นอกจากนี้ เราประเมินระบบประเมินการทำงาน
ขนาดข้อมูลและมิติและแสดงให้เห็นว่าระบบของเรา computationally
ที่มีประสิทธิภาพและสามารถให้การโต้ตอบหรือใกล้ประสบการณ์ผู้ใช้แบบโต้ตอบ