K-Nearest Neighbors Boleh Dijelaskan
K-Nearest Neighbors Boleh Dijelaskan (XKNN) menambah baik pengelas atau regressor KNN klasik dengan mekanisme penjelasan pasca-hoc atau terbina dalam yang berstruktur, mendedahkan jiran yang diambil, ciri yang mana, dan sumbangan jarak yang mendorong setiap ramalan individu — menjadikan penaakulan model telus dan boleh diaudit untuk pembuat keputusan manusia.
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
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Explainable K-Nearest Neighbors (XKNN). ScholarGate. https://scholargate.app/ms/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.
- Pohon KeputusanPembelajaran Mesin↔ compare
- LIME: Penjelasan Model Boleh Ditafsir Secara Lokal dan Model-AgnostikPembelajaran Mesin↔ compare
- Naive BayesPembelajaran Mesin↔ compare
- Random ForestPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →