抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
良好なデータ可視化は,データの歪みのないグラフィカル表現だけでなく,データの根底にある統計的特性を明らかにする方法でもある。データ解析のさまざまな段階にわたる一般的な使用にもかかわらず,良好な可視化を選択することは,しばしば多くの反復を含むマニュアルプロセスである。最近,可視化を推薦できるモデルを開発することにより,この努力の低減に関心が持たれているが,それらは,大きな訓練サンプル(データおよび可視化対)を必要とするため,限られた使用であり,選択した可視化の有効性を評価するよりも,主に設計上の側面に焦点を合わせている。本論文では,まず,データの多くの代替可視化からデータの様々な統計的特性を生成する生成識別フレームワークであるVizAIを提案した。可視化を選択する識別モデルにリンクし,データの真の統計に最も良く整合する。VizAIは最小監督で容易に訓練でき,様々な程度の監視で容易に設定に適応できる。クラウドソース判断と公的に利用可能な可視化の大きなリポジトリを用いて,VizAIが可視化を推薦するのを学習する最新の手法の状態を凌ぐことを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】