Uitlegbare HDBSCAN
Uitlegbare HDBSCAN combineert het hiërarchische dichtheidsgebaseerde clusteringalgoritme HDBSCAN met post-hoc verklaringsmethoden — voornamelijk SHAP — om te onthullen welke invoerkenmerken clusterlidmaatschap en -scheiding aansturen. Het behoudt het vermogen van HDBSCAN om clusters van variërende vorm en dichtheid te vinden, terwijl een principieel, controleerbaar verklaringslaag wordt toegevoegd.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Explainable Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/nl/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.
- Explainable DBSCANMachine learning↔ compare
- Explainable Gaussian Mixture ModelMachine learning↔ compare
- Uitlegbare Isolation ForestMachine learning↔ compare
- Explainable K-MeansMachine learning↔ compare
- Uitlegbare Random ForestMachine learning↔ compare
- HDBSCANMachine learning↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →