Machine learningMachine learning
설명 가능한 K-최근접 이웃 (Explainable K-Nearest Neighbors, XKNN)
설명 가능한 K-최근접 이웃 (XKNN)은 고전적인 KNN 분류기 또는 회귀기에 구조화된 사후 설명(post-hoc) 또는 내장형 설명 메커니즘을 추가하여, 어떤 검색된 이웃, 어떤 특징, 그리고 어떤 거리 기여도가 각 개별 예측을 유도하는지를 노출함으로써 모델의 추론을 투명하고 감사 가능하게 만듭니다.
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
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Explainable K-Nearest Neighbors (XKNN). ScholarGate. https://scholargate.app/ko/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.
- 결정 트리머신러닝↔ compare
- LIME: Local Interpretable Model-agnostic Explanations머신러닝↔ compare
- 나이브 베이즈머신러닝↔ compare
- 랜덤 포레스트머신러닝↔ compare