Objašnjivi HDBSCAN
Objašnjivi HDBSCAN kombinira hijerarhijski algoritam grupiranja temeljen na gustoći, HDBSCAN, s post-hoc metodama objašnjivosti — primarno SHAP — kako bi se otkrilo koji ulazni atributi pokreću pripadnost klasteru i njegovu separaciju. Zadržava HDBSCAN-ovu sposobnost pronalaženja klastera različitih oblika i gustoća, dodajući principijelan sloj objašnjenja koji se može revidirati.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Explainable Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/hr/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.
- Objašnjivi DBSCANStrojno učenje↔ compare
- Objašnjivi Gaussov model smjeseStrojno učenje↔ compare
- Objašnjivi Isolation ForestStrojno učenje↔ compare
- Objašnjivi K-MeansStrojno učenje↔ compare
- Explainable Random ForestStrojno učenje↔ compare
- HDBSCANStrojno učenje↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →