Forklarlig K-Means
Forklarlig K-Means er en post-hoc og in-model fortolkningsmetode til standard K-Means-clustering, der erstatter eller approksimerer klyngetildelinger med et lille akseparallel beslutningstræ. Hvert blad i træet svarer til én klynge, og ethvert datapunkt tildeles en klynge ved at følge en simpel sekvens af tærskelregler på individuelle features — hvilket gør klyngetilhørsforhold fuldt gennemsigtigt og menneskelæsbart.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Explainable K-Means Clustering. ScholarGate. https://scholargate.app/da/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.
- DBSCANMaskinlæring↔ compare
- BeslutningstræMaskinlæring↔ compare
- Hierarkisk grupperingMaskinlæring↔ compare
- K-Means ClusteringMaskinlæring↔ compare
- Random ForestMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →