HDBSCAN Boleh Dijelaskan
HDBSCAN Boleh Dijelaskan menggabungkan algoritma pengelompokan berasaskan ketumpatan hierarki HDBSCAN dengan kaedah penjelasan pasca-hoc — terutamanya SHAP — untuk mendedahkan ciri input mana yang memacu keahlian dan pemisahan kelompok. Ia mengekalkan keupayaan HDBSCAN untuk mencari kelompok pelbagai bentuk dan ketumpatan sambil menambah lapisan penjelasan yang berprinsip dan boleh diaudit.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian 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 memetik halaman ini
ScholarGate. (2026, June 3). Explainable Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/ms/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 Boleh DijelaskanPembelajaran Mesin↔ compare
- Model Campuran Gaussian Boleh JelasPembelajaran Mesin↔ compare
- Isolation Forest Boleh DijelaskanPembelajaran Mesin↔ compare
- K-Means Boleh TerangPembelajaran Mesin↔ compare
- Random Forest Boleh Dijelas (Explainable Random Forest)Pembelajaran Mesin↔ compare
- HDBSCANPembelajaran Mesin↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →