Comments 4
Современные подходы к визуализации решений классификаторов в основном либо используют диаграммы рассеивания, которые могут отображать лишь проекции исходных обучающих выборок, но явно не показывают фактические границы принятия решений

Я вот немного не понял, почему это не будет работать?
А что нам мешает взять проекцию, например с t-SNE или первых двух главных компонент, и покрасить этот пиксель цветом, присвоенным к определенному классу. Например у нас есть вектор {0.1, -0.5, 2}, к примеру, его проекция будет {0.9, -0.3}, ставим в соответствие пиксель {12, 30}, "прогоняем" это через классификатор получаем, что это класс 7, у нас ему соответствует красный. И так для всего датасета.

На рисунке 4 как раз показано применение такого метода (три изображения в первой строке). Но при проекции только точек из датасета могут быть не покрыты (и скорее всего не будут) некоторые пиксели, и, например, непонятно как будет вести себя классификатор на границе области. Также можно придумать пример, где 2 класса легко разделимы в некоторой 2D проекции, классификатор правильно покрасит все точки множества, но граница останется незакрашенной (т.к. на границу никакая проекция не попала).

Можно перебрать в определенном диапазоне точки и сделать более качественное заполнение, но это долго.
Идея понятна, спасибо!

Only those users with full accounts are able to leave comments. Log in, please.