Esplorazione del set di dati CIFAR-10 con Facets Dive. Mostriamo le sfaccettature delle etichette vere per riga e delle etichette previste per colonna. Il risultato sarà una visualizzazione della confusion matrix che consente di vedere nel dettaglio alcuni tipi particolari di classificazioni errate. Nel caso specifico il modello ML etichetta incorrettamente una piccola percentuale di gatti veri come rane. Un fenomeno interessante è che, inserendo le immagini reali nella confusion matrix, uno di questi “gatti veri” che il modello ha indicato essere una rana, dal punto di vista visivo sembra davvero una rana. Grazie a Facets Dive, possiamo stabilire che questa non era una vera e propria classificazione incorretta del modello ma piuttosto dati etichettati erroneamente nel set di dati. |