Uber 今日在推特发布机器学习中的模型无关视觉调试工具 Manifold。在其公布的研究论文中，Uber 的该项工具能使模型迭代过程更有信息性和可操作性。另外，利用可视化分析技术，Manifold 允许机器学习从业者超越整体摘要指标，以检测模型不准确预测的数据子集。 Manifold 还能通过显示更好和更差性能数据子集之间的特征分布差异来解释模型性能不佳的潜在原因。此外，它可以显示多个候选模型如何对每个数据子集具有不同的预测准确度，为诸如模型集成的高级处理提供解释。