Machine learningMachine learning
설명 가능한 HDBSCAN
설명 가능한 HDBSCAN은 계층적 밀도 기반 군집 알고리즘인 HDBSCAN을 사후 설명 가능성 방법, 주로 SHAP과 결합하여 어떤 입력 특징이 군집 멤버십과 분리를 유도하는지 밝힙니다. 이는 다양한 모양과 밀도를 가진 군집을 찾는 HDBSCAN의 능력을 유지하면서 원칙에 기반한 감사 가능한 설명 계층을 추가합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Explainable Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/ko/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.
- 설명 가능한 DBSCAN머신러닝↔ compare
- 설명 가능한 가우시안 혼합 모델머신러닝↔ compare
- 설명 가능한 고립 포레스트머신러닝↔ compare
- 설명 가능한 K-평균머신러닝↔ compare
- Explainable Random Forest머신러닝↔ compare
- HDBSCAN머신러닝↔ compare