Skaidrojams K tuvāko kaimiņu algoritms
Skaidrojams K tuvāko kaimiņu algoritms (XKNN) papildina klasisko KNN klasifikatoru vai regresoru ar strukturētiem pēct hoc vai iebūvētiem skaidrošanas mehānismiem, atklājot, kuri izgūtie kaimiņi, kuri parametri un kuri attāluma ieguldījumi nosaka katru individuālo prognozi — padarot modeļa pamatojumu caurspīdīgu un auditējamu cilvēku lēmumu pieņēmējiem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Explainable K-Nearest Neighbors (XKNN). ScholarGate. https://scholargate.app/lv/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.
- Koku lēmumu pieņemšana (Decision Tree)Mašīnmācīšanās↔ compare
- LIME: Lokāli interpretējamas modeļu neatkarīgas skaidrojumu metodesMašīnmācīšanās↔ compare
- Naive BayesMašīnmācīšanās↔ compare
- Random ForestMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →