Επεξηγήσιμο K-Means
Το Επεξηγήσιμο K-Means (Explainable K-Means) είναι μια προσέγγιση μετα-ανάλυσης (post-hoc) και εντός-μοντέλου (in-model) ερμηνευσιμότητας για την τυπική ομαδοποίηση K-Means, η οποία αντικαθιστά ή προσεγγίζει τις αναθέσεις ομάδων με ένα μικρό, ευθυγραμμισμένο με τους άξονες δέντρο απόφασης. Κάθε φύλλο του δέντρου αντιστοιχεί σε μία ομάδα, και κάθε σημείο δεδομένων ανατίθεται σε μια ομάδα ακολουθώντας μια απλή ακολουθία κανόνων κατωφλίου σε μεμονωμένα χαρακτηριστικά — καθιστώντας την ιδιότητα μέλους της ομάδας πλήρως διαφανή και αναγνώσιμη από τον άνθρωπο.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Explainable K-Means Clustering. ScholarGate. https://scholargate.app/el/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.
- DBSCANΜηχανική Μάθηση↔ compare
- Δέντρο ΑποφάσεωνΜηχανική Μάθηση↔ compare
- Ιεραρχική ομαδοποίησηΜηχανική Μάθηση↔ compare
- Συσταδοποίηση K-MeansΜηχανική Μάθηση↔ compare
- Τυχαίο ΔάσοςΜηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →