QMAK: Interacting with Machine Learning Models and Visualizing Classification Process

• Autorzy: Wojna Arkadiusz , Jachim Katarzyna , Kosson Łukasz , Kowalski Łukasz , Mański Damian , Mański Michał , Mroczek Krzysztof , Niemkiewicz Krzysztof , Piszczatowski Robert , Próchniak Maciej , Romańczuk Tomasz , Skibiński Piotr , Staszczyk Marcin , Szostakiewicz Michał , Tur Leszek , Wójcik Damian , Zuchniak Maciej

Identyfikatory

DOI

10.15439/2023F4101

• Języki publikacji: EN

Abstrakty

EN

In various classification problems beside high accuracy data analysts expect often understanding and certain insight into the process of classification. To help them understand why a trained model selects a particular decision, how confident it is in the assigned decision, and to enable interactive improvement of trained models we present QMAK. The tool visualizes not only classification models but also the processes classifying individual objects. Five classical machine learning models and their classification process are visualized with QMAK: neural network, decision tree, k nearest neighbors, classifier based on principal component analysis (PCA) and rough set based classifier. QMAK provides also exemplary functions enabling users to modify trained models interactively.

• Wydawca: Polskie Towarzystwo Informatyczne
• Czasopismo: Annals of Computer Science and Information Systems
• Rocznik: 2023
• Tom: Vol. 35
• Strony: 315--318
• Opis fizyczny: Bibliogr. 15 poz.

Twórcy

autor

Wojna Arkadiusz

autor

Jachim Katarzyna

autor

Kosson Łukasz

autor

Kowalski Łukasz

autor

Mański Damian

autor

Mański Michał

autor

Mroczek Krzysztof

autor

Niemkiewicz Krzysztof

autor

Piszczatowski Robert

autor

Próchniak Maciej

autor

Romańczuk Tomasz

autor

Skibiński Piotr

autor

Staszczyk Marcin

autor

Szostakiewicz Michał

autor

Tur Leszek

autor

Wójcik Damian

autor

Zuchniak Maciej

Uwagi

1. Main Track Short Papers

2. Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2024).