K-Nearest Neighbors magyarázhatóvá tétele (Explainable K-Nearest Neighbors)
A K-Nearest Neighbors magyarázhatóvá tétele (XKNN) a klasszikus KNN klasszifikáló vagy regresszor kiegészítése strukturált utólagos vagy beépített magyarázó mechanizmusokkal, amelyek feltárják, hogy mely lekérdezett szomszédok, mely jellemzők és mely távolsági hozzájárulások határozzák meg az egyes előrejelzéseket – így a modell érvelése átlátható és ellenőrizhetővé válik az emberi döntéshozók számára.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Cover, T. & Hart, P. (1967). Nearest neighbor pattern classification. IEEE Transactions on Information Theory, 13(1), 21–27. DOI: 10.1109/TIT.1967.1053964 ↗
- Papernot, N. & McDaniel, P. (2018). Deep k-Nearest Neighbors: Towards Confident, Interpretable and Robust Deep Learning. arXiv preprint arXiv:1803.04765. link ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Explainable K-Nearest Neighbors (XKNN). ScholarGate. https://scholargate.app/hu/machine-learning/explainable-k-nearest-neighbors
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.
- Döntési faGépi tanulás↔ compare
- LIME: Helyi értelmezhető modellagnosztikus magyarázatokGépi tanulás↔ compare
- Bayes-féle naiv klasszifikálóGépi tanulás↔ compare
- Véletlen erdőGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →