Обясним K-средни
Обяснимият K-средни е пост-хок и вграден в модела подход за интерпретируемост на стандартното K-средни групиране, който замества или апроксимира присвояванията на клъстери с малко аксиално-ориентирано дърво на решенията. Всеки лист на дървото съответства на един клъстер, а всяка точка от данните се присвоява към клъстер чрез следване на проста последователност от правила за прагове върху отделни характеристики — което прави членството в клъстера напълно прозрачно и разбираемо за хора.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Dasgupta, S., Frost, N., Moshkovitz, M., & Rashtchian, C. (2020). Explainability of k-Means Clustering. Proceedings of the 37th International Conference on Machine Learning (ICML), PMLR 119. link ↗
- Moshkovitz, M., Dasgupta, S., Rashtchian, C., & Frost, N. (2020). Explainable k-Means and k-Medians Clustering. Proceedings of the 37th International Conference on Machine Learning (ICML), PMLR 119. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Explainable K-Means Clustering. ScholarGate. https://scholargate.app/bg/machine-learning/explainable-k-means
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.
- DBSCANМашинно обучение↔ compare
- Дърво на решениятаМашинно обучение↔ compare
- Йерархично групиранеМашинно обучение↔ compare
- Клъстериране с К-средниМашинно обучение↔ compare
- Случайна гораМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →