Explainable K-Means
Explainable K-Means मानक K-Means क्लस्टरिंग के लिए एक पोस्ट-हॉक और इन-मॉडल व्याख्यात्मकता दृष्टिकोण है जो क्लस्टर असाइनमेंट को एक छोटे अक्ष-संरेखित निर्णय वृक्ष (decision tree) से बदल देता है या उसका अनुमान लगाता है। वृक्ष की प्रत्येक पत्ती (leaf) एक क्लस्टर से मेल खाती है, और प्रत्येक डेटा बिंदु को व्यक्तिगत विशेषताओं पर थ्रेशोल्ड नियमों के एक सरल अनुक्रम का पालन करके एक क्लस्टर को सौंपा जाता है — जिससे क्लस्टर सदस्यता पूरी तरह से पारदर्शी और मानव-पठनीय बन जाती 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
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Explainable K-Means Clustering. ScholarGate. https://scholargate.app/hi/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.
- DBSCANमशीन अधिगम↔ compare
- निर्णय वृक्षमशीन अधिगम↔ compare
- पदानुक्रमिक समूहनमशीन अधिगम↔ compare
- के-मीन्स क्लस्टरिंगमशीन अधिगम↔ compare
- रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare