HDBSCAN Spiegabile
HDBSCAN Spiegabile combina l'algoritmo di clustering gerarchico basato sulla densità HDBSCAN con metodi di spiegabilità post-hoc — principalmente SHAP — per rivelare quali caratteristiche di input guidano l'appartenenza e la separazione dei cluster. Mantiene la capacità di HDBSCAN di trovare cluster di forma e densità variabili, aggiungendo uno strato di spiegazione principiale e verificabile.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Explainable Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/it/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 SpiegabileApprendimento automatico↔ compare
- Modello Gaussiano di Miscela SpiegabileApprendimento automatico↔ compare
- Isolation Forest SpiegabileApprendimento automatico↔ compare
- Explainable K-MeansApprendimento automatico↔ compare
- Foresta Casuale SpiegabileApprendimento automatico↔ compare
- HDBSCANApprendimento automatico↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →