HDBSCAN yang Dapat Dijelaskan
HDBSCAN yang Dapat Dijelaskan menggabungkan algoritma pengelompokan berbasis kepadatan hierarkis HDBSCAN dengan metode penjelasan pasca-hoc — terutama SHAP — untuk mengungkap fitur masukan mana yang mendorong keanggotaan dan pemisahan klaster. Ini mempertahankan kemampuan HDBSCAN untuk menemukan klaster dengan bentuk dan kepadatan yang bervariasi sambil menambahkan lapisan penjelasan yang terprinsip dan dapat diaudit.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Explainable Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/id/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.
- DBSCAN yang Dapat DijelaskanPembelajaran Mesin↔ compare
- Model Campuran Gaussian yang Dapat DijelaskanPembelajaran Mesin↔ compare
- Isolation Forest yang Dapat DijelaskanPembelajaran Mesin↔ compare
- K-Means yang Dapat DijelaskanPembelajaran Mesin↔ compare
- Random Forest yang Dapat DijelaskanPembelajaran Mesin↔ compare
- HDBSCANPembelajaran Mesin↔ compare
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →