K-Nearest Neighbors Explicable
K-Nearest Neighbors Explicable (XKNN) estén el clàssic classificador o regressió KNN amb mecanismes d'explicació estructurats, ja siguin post-hoc o integrats, que exposen quins veïns recuperats, quines característiques i quines contribucions de distància impulsen cada predicció individual, fent que el raonament del model sigui transparent i auditable per als decisors humans.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Mapa de mètodes
El veïnat de mètodes relacionats — seleccioneu un node per explorar-lo.
Fonts
- Cover, T. & Hart, P. (1967). Nearest neighbor pattern classification. IEEE Transactions on Information Theory, 13(1), 21–27. DOI: 10.1109/TIT.1967.1053964 ↗
- Papernot, N. & McDaniel, P. (2018). Deep k-Nearest Neighbors: Towards Confident, Interpretable and Robust Deep Learning. arXiv preprint arXiv:1803.04765. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Explainable K-Nearest Neighbors (XKNN). ScholarGate. https://scholargate.app/ca/machine-learning/explainable-k-nearest-neighbors
Quin mètode?
Poseu aquest mètode al costat dels seus parents més pròxims i llegiu-los de costat a costat — la biblioteca disposa els llibres sobre la taula; la tria és vostra.
- Arbre de decisióAprenentatge automàtic↔ compara
- LIME: Local Interpretable Model-agnostic ExplanationsAprenentatge automàtic↔ compara
- Naive BayesAprenentatge automàtic↔ compara
- Random ForestAprenentatge automàtic↔ compara
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →