[REQUIRES TRANSLATION]
Explainable K-Means és un enfocament de post-hoc i in-model d'interpretabilitat per al clustering K-Means estàndard que substitueix o aproxima les assignacions de clústers amb un petit arbre de decisió alineat amb els eixos. Cada full de l'arbre correspon a un clúster, i cada punt de dades s'assigna a un clúster seguint una seqüència senzilla de regles de llindar sobre característiques individuals, fent que la pertinença al clúster sigui totalment transparent i llegible per humans.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Explainable K-Means Clustering. ScholarGate. https://scholargate.app/ca/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.
- DBSCANAprenentatge automàtic↔ compare
- Arbre de decisióAprenentatge automàtic↔ compare
- Agrupació jeràrquicaAprenentatge automàtic↔ compare
- Agrupació K-MeansAprenentatge automàtic↔ compare
- Random ForestAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →