返回 AI 工具目录
Manifold
开发框架人工精选最近核验 2026年7月23日
Manifold 是 Uber 开源的模型无关可视化调试工具,帮助机器学习从业者超越 AUC、RMSE 等总体指标,定位模型在哪一部分数据上预测不准并分析成因。它提供性能对比视图,用 k-Means 聚类把数据集分段比较不同模型表现;提供特征归因视图,按 KL 散度排序特征分布以关联较差表现;支持经纬度与 H3 六边形的地理特征展示。既有独立的演示应用,也可作为 React 组件通过 Redux 状态嵌入现有系统。以 JavaScript 为主、含 Python,基于 React、Redux、TensorFlow.js 与 BaseUI,采用 Apache 2.0 许可。
定价开源部署本地运行、自托管国内可达国内可达
解决什么问题
- 定位模型在哪些数据子集上预测不准
- 超越总体指标,分析误差的可能成因
- 按特征分布对比不同模型的表现
- 支持地理特征的空间分布可视化
适合
- 需要细粒度诊断模型误差的团队
- 比较多个模型在数据子集上的表现
- 希望把调试面板嵌入自有系统
- 含地理特征的模型分析场景
不适合
- 推荐数据量约 1 万至 1.5 万条
- 更大数据集需先做随机抽样
- 面向 ML 从业者,非业务用户工具
- 需前端集成能力才能嵌入自有系统
如何接入
- 提供独立演示应用可直接试用
- 作为 React 组件经 Redux 状态嵌入
- 演示应用支持上传特征预测与真值 CSV
- 基于 React Redux 与 TensorFlow.js 构建
已知限制
- 推荐数据规模约 1 万至 1.5 万条
- 更大数据集依赖抽样,可能损失细节
- 以前端技术栈为主,需相应集成能力
- 可视化结论仍需结合业务判断
接入与使用事实
- 部署方式
- 本地运行、自托管
- 实现语言
- JavaScript、Python
- 中文界面
- 待确认
- 中文文档
- 待确认
- 定价方式
- 开源
- 许可证
- 待确认
- 国内可达性
- 国内可达
- 可达性观察
- 待补充
权限、依赖与维护信号
这些字段记录公开可见信号，不等同于安全审计结论。
权限信号
暂无公开信号。
依赖信号
暂无公开信号。
维护信号
暂无公开信号。
公开来源与证据
暂无可公开的来源链接。