व्याख्या योग्य DBSCAN
व्याख्या योग्य DBSCAN, DBSCAN घनत्व-आधारित क्लस्टरिंग एल्गोरिथम को पोस्ट-हॉक व्याख्यात्मक विधियों - सबसे आम तौर पर SHAP मान या स्थानीय सरोगेट मॉडल - के साथ जोड़ता है ताकि यह पता लगाया जा सके कि कौन सी इनपुट विशेषताएँ एल्गोरिथम के क्लस्टर और शोर असाइनमेंट को संचालित करती हैं। यह विश्लेषकों को यह समझने में सक्षम बनाता है कि विशिष्ट बिंदु एक साथ क्यों समूहित किए गए या आउटलायर के रूप में चिह्नित किए गए, शक्तिशाली घनत्व-आधारित विभाजन और मानव-पठनीय स्पष्टीकरण के बीच की खाई को पाटता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Ester, M., Kriegel, H.-P., Sander, J., & Xu, X. (1996). A density-based algorithm for discovering clusters in large spatial databases with noise. In Proceedings of the Second International Conference on Knowledge Discovery and Data Mining (KDD-96), 226–231. AAAI Press. link ↗
- Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30. Curran Associates. link ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Explainable Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/hi/machine-learning/explainable-dbscan
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.
- DBSCANमशीन अधिगम↔ compare
- व्याख्या योग्य आइसोलेशन फ़ॉरेस्टमशीन अधिगम↔ compare
- Explainable K-Nearest Neighborsमशीन अधिगम↔ compare
- HDBSCANमशीन अधिगम↔ compare
- के-मीन्स क्लस्टरिंगमशीन अधिगम↔ compare