Une approche visuelle pour l'exploration des résultats d'un grand nombre de classifieurs
Résumé
Nous proposons une méthode visuelle pour analyser un grand nombre
de résultats d'apprentissage supervisé, en l'illustrant sur une application réelle (détection des troubles autistiques à partir de données de eye tracking) dans laquelle nous avons pu obtenir plus de 30000 résultats de classification. Chaque triplet représentation-classifieur-paramétrage est positionné en 2D avec un algorithme de réduction de dimensions (MDS ou t-SNE) sur la base d'une distance utilisant la probabilité des classes prédites pour chaque donnée. Avec différents paramétrages de cette visualistion, nous montrons que l'utilisateur peut observer et évaluer visuellement l'efficacité des représentations, des classifieurs et de leur paramétrage.