【导语】2019年1月，Uber推出了Manifold，这是一款针对机器学习模型的可视化调试工具，旨在识别模型中的问题。为了让更多机器学习从业者从中受益，Uber宣布将Manifold作为开源项目发布。本文将为您介绍这款开源工具的新功能。

Manifold简介

Manifold能够帮助工程师和科学家通过机器学习数据片段和模型可视化来识别模型性能问题，并通过分析不同数据子集之间的特征分布差异来诊断问题根源。在Uber内部，Manifold已经成为机器学习平台Michelangelo的一部分，并已帮助Uber各产品团队分析和调试机器学习模型的性能。

此前，Uber官方博客重点介绍了这个项目，社区也反馈了Manifold在通用机器学习模型调试方面的潜力。因此，在开源版本中，Manifold将继续提供可解释性和可调试性的特性，从而惠及机器学习社区。

开源后新增功能

在Manifold的第一个开源版本中，Uber官方添加了多项新功能，使模型调试变得更加便捷。

新增功能

1. 支持通用的二分类和回归模型调试：用户可以通过分析和对比不同算法的模型，来识别不同数据切片带来的性能差异。

2. 可视化支持多种特征输入：Manifold能够处理数值、分类和地理空间类型特征，通过分析特征值分布信息，用户可以更好地理解某些性能问题的潜在原因，例如模型预测损失是否与地理位置和分布有关。

   

3. 集成在Jupyter Notebook中：Manifold可以接收Pandas Dataframe对象作为数据输入，并在Jupyter Notebook外部进行数据可视化。由于Jupyter Notebook是数据科学家和机器学习工程师广泛使用的平台之一，这种集成使得用户可以在不影响工作流程的情况下分析模型。

   

4. 基于单样本预测损失和其他特征值的交互式数据切片和性能比较：用户可以根据预测损失、标签或其他感兴趣的特征值对数据进行切片和查询，从而快速验证或否定假设。

   

如何开始使用Manifold

Manifold的开源版本提供了一个npm包版本和一个Python版本的Jupyter Notebook绑定。您可以根据github仓库中的文档在本地安装，或者访问演示网站。我们鼓励您亲自试用Manifold，并期待收到您的反馈！

Python开发者日活动

2020年，CSDN联合PyCon中国社区，携手顶尖企业和技术专家，启动了“Python开发者日”活动。本次活动将通过丰富的技术干货、多样化的互动环节，为中国IT技术开发者打造一个专业、开放的技术交流平台。未来，我们将与中国广大开发者一起分享技术、践行技术，共同推动中国原创技术的发展。