機(jī)器學(xué)習(xí)的模型訓(xùn)練完成后，需要經(jīng)過(guò)反覆的探索調(diào)校，What-If Tool不需撰寫(xiě)任何程式碼，就能探索機(jī)器學(xué)習(xí)模型，讓非開(kāi)發(fā)人員眼能參與模型調(diào)校工作。

What-If Tool顯示一組250張面部圖片及其檢測(cè)微笑模型的結(jié)果。

Google推出開(kāi)源TensorBoard網(wǎng)頁(yè)應(yīng)用程式的新功能What-If Tool，讓使用者在不需要撰寫(xiě)任何程式碼的情況下，檢測(cè)機(jī)器學(xué)習(xí)模型，使用視覺(jué)化互動(dòng)介面，探索模型結(jié)果。

建構(gòu)有效的機(jī)器學(xué)習(xí)系統(tǒng)有很多面向需要注意，除了演算法和效能表現(xiàn)外，資料也是一個(gè)良好機(jī)器學(xué)習(xí)應(yīng)用的根本要素，TensorFlow官方早前釋出了TensorFlow資料驗(yàn)證（TensorFlow Data Validation，TFDV）工具，來(lái)幫助開(kāi)發(fā)者進(jìn)行大規(guī)模資料分析與驗(yàn)證。而Google也提到，機(jī)器學(xué)習(xí)的模型訓(xùn)練完成后，仍然可能存在許多問(wèn)題，需要經(jīng)過(guò)反覆的探索調(diào)校。

Google認(rèn)為，一個(gè)優(yōu)秀的開(kāi)發(fā)人員，應(yīng)該要可以對(duì)自己訓(xùn)練出來(lái)的機(jī)器模型，回答幾個(gè)問(wèn)題，像是資料的變化會(huì)如何影響模型的預(yù)測(cè)？機(jī)器模型對(duì)不同的群體有哪些不同的表現(xiàn)？用來(lái)測(cè)試模型的資料是否足夠多樣化？要回答這些問(wèn)題并不容易，通常探索機(jī)器學(xué)習(xí)模型必須要編寫(xiě)一次性的程式碼，來(lái)分析特定的模型，但這個(gè)過(guò)程通常效率很低，而且不會(huì)寫(xiě)程式的人也很難參與其中。

為此，Google在開(kāi)源的TensorBoard網(wǎng)頁(yè)應(yīng)用程式中，推出了What-If Tool新功能，可以讓使用者在不撰寫(xiě)任何程式碼的情況下分析模型，只要給What-If Tool一個(gè)TensorFlow模型以及資料集的指標(biāo)，該工具就能提供互動(dòng)式視覺(jué)化介面，讓使用者探索模型結(jié)果。What-If Tool包含了豐富的有用功能，除了能使用Facets自動(dòng)視覺(jué)化資料集外，還可以從資料集手動(dòng)編輯范例以檢視影響變化等。

比較微笑檢測(cè)模型上的兩個(gè)數(shù)據(jù)片段的性能，將其分類(lèi)閾值設(shè)置為滿足約束“equal opportunity”。

Google提到，What-If Tool有兩個(gè)強(qiáng)大的使用案例，可以用在反事實(shí)（Counterfactual）以及效能和演算法公平性分析。反事實(shí)是來(lái)偵測(cè)「如果-那么」的假設(shè)性因果關(guān)系，使用者只要在What-If Tool點(diǎn)擊一個(gè)按鈕，就能把資料點(diǎn)和模型預(yù)測(cè)不同結(jié)果的最相似資料點(diǎn)進(jìn)行比較，這能有效地尋找模型決策邊界。而且使用者也可以直接手動(dòng)編輯資料點(diǎn)，以探索整體模型預(yù)測(cè)的變化。在效能和演算法公平性分析方面，使用者也可以用What-If Tool探索不同分類(lèi)閾值對(duì)模型的影響，同時(shí)考慮不同數(shù)值的公平性標(biāo)準(zhǔn)等約束條件。

What-If Tool在Google內(nèi)部測(cè)試的結(jié)果，有一個(gè)團(tuán)隊(duì)發(fā)現(xiàn)他們的機(jī)器學(xué)習(xí)模型，錯(cuò)誤忽略資料集的整體特征，還有另一個(gè)團(tuán)隊(duì)則使用What-If Tool的視覺(jué)化工具，整理模型最佳與最差的范例類(lèi)型，發(fā)現(xiàn)了導(dǎo)致他們模型表現(xiàn)不佳的原因。