HDBSCAN Explicable
HDBSCAN Explicable combina el algoritmo de agrupamiento jerárquico basado en densidad HDBSCAN con métodos de explicabilidad post-hoc —principalmente SHAP— para revelar qué características de entrada impulsan la pertenencia y separación de los clústeres. Conserva la capacidad de HDBSCAN para encontrar clústeres de forma y densidad variables, añadiendo una capa de explicación auditable y basada en principios.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- McInnes, L., Healy, J., & Astels, S. (2017). hdbscan: Hierarchical density based clustering. Journal of Open Source Software, 2(11), 205. DOI: 10.21105/joss.00205 ↗
- Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30, 4765–4774. link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Explainable Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/es/machine-learning/explainable-hdbscan
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.
- DBSCAN ExplicableAprendizaje automático↔ compare
- Modelo Gaussiano de Mezclas ExplicableAprendizaje automático↔ compare
- Isolation Forest ExplicableAprendizaje automático↔ compare
- K-Means ExplicableAprendizaje automático↔ compare
- Random Forest ExplicableAprendizaje automático↔ compare
- HDBSCANAprendizaje automático↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →