شرح خوارزمية DBSCAN القابلة للتفسير
تجمع خوارزمية DBSCAN القابلة للتفسير بين خوارزمية التجميع القائمة على الكثافة DBSCAN وطرق التفسير اللاحقة (post-hoc) - الأكثر شيوعًا قيم SHAP أو نماذج البدائل المحلية (local surrogate models) - للكشف عن ميزات الإدخال التي تدفع تعيينات العناقيد والضوضاء الخاصة بالخوارزمية. وهي تمكّن المحللين من فهم سبب تجميع نقاط معينة معًا أو تمييزها كقيم شاذة، مما يسد الفجوة بين التقسيم القائم على الكثافة القوي والشرح القابل للقراءة البشرية.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Ester, M., Kriegel, H.-P., Sander, J., & Xu, X. (1996). A density-based algorithm for discovering clusters in large spatial databases with noise. In Proceedings of the Second International Conference on Knowledge Discovery and Data Mining (KDD-96), 226–231. AAAI Press. link ↗
- Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30. Curran Associates. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Explainable Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/ar/machine-learning/explainable-dbscan
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- DBSCANتعلم الآلة↔ compare
- شجرة العزل التفسيرية (Explainable Isolation Forest)تعلم الآلة↔ compare
- كي أقرب الجيران المفسر (XKNN)تعلم الآلة↔ compare
- HDBSCANتعلم الآلة↔ compare
- تجميع K-meansتعلم الآلة↔ compare