Magyarázható K-Means
A Magyarázható K-Means (Explainable K-Means) a standard K-Means klaszterezési eljárás egy utólagos és beépített értelmezhetőségi megközelítése, amely a klaszteri hozzárendeléseket egy kis, tengely-parallelis döntési fával helyettesíti vagy közelíti. A fa minden levele egy klasztert képvisel, és minden adatpontot egy klaszterhez úgy rendelünk hozzá, hogy egy egyszerű, jellemzőkre vonatkozó küszöbérték-szabályok sorozatát követjük – ezáltal a klasztertagság teljesen átlátható és ember által olvasható lesz.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Explainable K-Means Clustering. ScholarGate. https://scholargate.app/hu/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.
- DBSCANGépi tanulás↔ compare
- Döntési faGépi tanulás↔ compare
- Hierarchikus klaszterezésGépi tanulás↔ compare
- K-Means klaszterezésGépi tanulás↔ compare
- Véletlen erdőGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →