Google 开源机器学习数据集可视化工具 Facets

ML 数据集可以包含数亿个数据点，每个数据点由数百（甚至数千）的特征组成，几乎不可能以直观的方式了解整个数据集。为帮助理解、分析和调试 ML 数据集，谷歌开源了 Facets，一款可视化工具。

Facets 包含两个部分 —— Facets Overview 和 Facets Dive ，允许用户以不同的粒度查看其数据的整体图像。Facets Overview 可用于可视化数据的每一个特征，Facets Dive 用来探索个别的数据观察集。

除了开放 Facets 源码，Google 还创建了 演示网站。

具体来看，Facets Overview 可以让用户快速了解其数据集特征值的分布情况，可以在相同的可视化上比较多个数据集，例如训练集和测试集。阻碍机器学习的常见数据问题被推到最前端，比如出乎意料的特征值、具有高比例遗失值的特征、带有不平衡分布的特征，数据集之间的特征分布偏差等等。

Facets Dive 则提供了一个易于定制的直观界面，用于探索数据集中不同特征数据点之间的关系。它是一种交互式探索多达数万个数据点的工具，允许用户在高级概述和低级细节之间进行无缝切换。通过 Facets Dive，你可以控制位置、颜色和视觉表现。每个示例在可视化中被表示为单个项目，并且可以通过其特征值在多个维度上通过 faceting/bucketing 来定位点。通过结合细分和过滤，Dive 可以轻松地在复杂数据集中识别样式和异常值。