有效地呈现评估结果

这部分内容有帮助吗？

参考文献

The Visual Display of Quantitative Information, Edward R. Tufte, 2001 (Graphics Press) - 一本关于有效数据可视化的基础著作，强调图形表示的清晰、精确和高效，与本节对最佳实践的讨论高度相关。
Fundamentals of Data Visualization: A Primer on Making Informative and Compelling Figures, Claus O. Wilke, 2019 (O'Reilly Media) - 一本实用的指南，涵盖了各种图表类型和创建有效数据可视化的最佳实践，直接支持本节关于选择正确视觉表示的讨论。
Membership Inference Attacks Against Machine Learning Models, Reza Shokri, Marco Stronati, Congzheng Song, and Vitaly Shmatikov, 2017 2017 IEEE Symposium on Security and Privacy (SP) (IEEE) DOI: 10.1109/SP.2017.37 - 介绍成员推断攻击的开创性论文，详细阐述了其方法论和使用ROC曲线等指标进行的评估，与可视化隐私风险直接相关。
The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Trevor Hastie, Robert Tibshirani, and Jerome Friedman, 2009 (Springer) - 一本关于机器学习的综合资源，涵盖模型评估技术、性能指标（如ROC/AUC）和特征重要性，这些是可视化实用性的核心。
A Survey of Synthetic Data Generation Methods and Evaluation Metrics, Jin-wook Cho, Kwang-il Lee, Joong-han Kim, 2020 ETRI Journal, Vol. 42 (John Wiley & Sons Inc.) DOI: 10.4218/etrij.2020-0021 - 一篇综述论文，详细介绍了各种合成数据生成方法以及评估其保真度、实用性和隐私性的指标，为所可视化的指标提供了背景。